Buchumschlag

DDEQs: Distributional Deep Equilibrium Models through Wasserstein Gradient Flows

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Geuter, Jonathan, Bonet, Clément, Korba, Anna, Alvarez-Melis, David
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Flowing Datasets with Wasserstein over Wasserstein Gradient Flows
von: Bonet, Clément, et al.
Veröffentlicht: (2025)

A Unifying View of Variational Generative Wasserstein Flows
von: Caucheteux, Paul, et al.
Veröffentlicht: (2026)

Mirror and Preconditioned Gradient Descent in Wasserstein Space
von: Bonet, Clément, et al.
Veröffentlicht: (2024)

Guided Speculative Inference for Efficient Test-Time Alignment of LLMs
von: Geuter, Jonathan, et al.
Veröffentlicht: (2025)

Towards Understanding Gradient Dynamics of the Sliced-Wasserstein Distance via Critical Point Analysis
von: Vauthier, Christophe, et al.
Veröffentlicht: (2025)

Stop Training for the Worst: Progressive Unmasking Accelerates Masked Diffusion Training
von: Kim, Jaeyeon, et al.
Veröffentlicht: (2026)

Sliced-Wasserstein Distances and Flows on Cartan-Hadamard Manifolds
von: Bonet, Clément, et al.
Veröffentlicht: (2024)

Boomerang Distillation Enables Zero-Shot Model Size Interpolation
von: Kangaslahti, Sara, et al.
Veröffentlicht: (2025)

RoBoN: Routed Online Best-of-n for Test-Time Scaling with Multiple LLMs
von: Geuter, Jonathan, et al.
Veröffentlicht: (2025)

(De)-regularized Maximum Mean Discrepancy Gradient Flow
von: Chen, Zonghao, et al.
Veröffentlicht: (2024)

Busemann Functions in the Wasserstein Space: Existence, Closed-Forms, and Applications to Slicing
von: Bonet, Clément, et al.
Veröffentlicht: (2025)

Accelerated Multiple Wasserstein Gradient Flows for Multi-objective Distributional Optimization
von: Nguyen, Dai Hai, et al.
Veröffentlicht: (2026)

On the Wasserstein Gradient Flow Interpretation of Drifting Models
von: Gretton, Arthur, et al.
Veröffentlicht: (2026)

A Practical Diffusion Path for Sampling
von: Chehab, Omar, et al.
Veröffentlicht: (2024)

Learning with Differentially Private (Sliced) Wasserstein Gradients
von: Rodríguez-Vítores, David, et al.
Veröffentlicht: (2025)

Distributional Dataset Distillation with Subtask Decomposition
von: Qin, Tian, et al.
Veröffentlicht: (2024)

Scalable Wasserstein Gradient Flow for Generative Modeling through Unbalanced Optimal Transport
von: Choi, Jaemoo, et al.
Veröffentlicht: (2024)

IGDA: Interactive Graph Discovery through Large Language Model Agents
von: Havrilla, Alex, et al.
Veröffentlicht: (2025)

Gradient Flow Drifting: Generative Modeling via Wasserstein Gradient Flows of KDE-Approximated Divergences
von: Cao, Jiarui, et al.
Veröffentlicht: (2026)

Kernel Trace Distance: Quantum Statistical Metric between Measures through RKHS Density Operators
von: Castellanos, Arturo, et al.
Veröffentlicht: (2025)

Continuous Language Model Interpolation for Dynamic and Controllable Text Generation
von: Kangaslahti, Sara, et al.
Veröffentlicht: (2024)

Wasserstein Gradient Flows for Scalable and Regularized Barycenter Computation
von: Montesuma, Eduardo Fernandes, et al.
Veröffentlicht: (2025)

Generative Path-Finding Method for Wasserstein Gradient Flow
von: Liu, Chengyu, et al.
Veröffentlicht: (2026)

Wasserstein Gradient Flow over Variational Parameter Space for Variational Inference
von: Nguyen, Dai Hai, et al.
Veröffentlicht: (2023)

Understanding the Role of Functional Diversity in Weight-Ensembling with Ingredient Selection and Multidimensional Scaling
von: Rojas, Alex, et al.
Veröffentlicht: (2024)

Strongly Isomorphic Neural Optimal Transport Across Incomparable Spaces
von: Sotiropoulou, Athina, et al.
Veröffentlicht: (2024)

Generative Modeling under Non-Monotone MAR Missingness via Approximate Wasserstein Gradient Flows
von: Kremling, Gitte, et al.
Veröffentlicht: (2026)

Rethinking the Diffusion Models for Numerical Tabular Data Imputation from the Perspective of Wasserstein Gradient Flow
von: Chen, Zhichao, et al.
Veröffentlicht: (2024)

Variational Inference with Mixtures of Isotropic Gaussians
von: Petit-Talamon, Marguerite, et al.
Veröffentlicht: (2025)

Multiple Wasserstein Gradient Descent Algorithm for Multi-Objective Distributional Optimization
von: Nguyen, Dai Hai, et al.
Veröffentlicht: (2025)

Differentially Private Gradient Flow based on the Sliced Wasserstein Distance
von: Sebag, Ilana, et al.
Veröffentlicht: (2023)

Wasserstein Gradient Flows for Batch Bayesian Optimal Experimental Design
von: Sharrock, Louis
Veröffentlicht: (2026)

Gradient Flows and Riemannian Structure in the Gromov-Wasserstein Geometry
von: Zhang, Zhengxin, et al.
Veröffentlicht: (2024)

Are We Really Learning the Score Function? Reinterpreting Diffusion Models Through Wasserstein Gradient Flow Matching
von: Vuong, An B., et al.
Veröffentlicht: (2025)

Wasserstein Proximal Policy Gradient
von: Zhu, Zhaoyu, et al.
Veröffentlicht: (2026)

Smoothed Distance Kernels for MMDs and Applications in Wasserstein Gradient Flows
von: Rux, Nicolaj, et al.
Veröffentlicht: (2025)

Wasserstein Gradient Boosting: A Framework for Distribution-Valued Supervised Learning
von: Matsubara, Takuo
Veröffentlicht: (2024)

Sampling from multi-modal distributions with polynomial query complexity in fixed dimension via reverse diffusion
von: Vacher, Adrien, et al.
Veröffentlicht: (2024)

Hessian-guided Perturbed Wasserstein Gradient Flows for Escaping Saddle Points
von: Yamamoto, Naoya, et al.
Veröffentlicht: (2025)

Multi-Objective Optimization via Wasserstein-Fisher-Rao Gradient Flow
von: Ren, Yinuo, et al.
Veröffentlicht: (2023)