Buchumschlag

VAEs and GANs: Implicitly Approximating Complex Distributions with Simple Base Distributions and Deep Neural Networks -- Principles, Necessity, and Limitations

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Wei, Yuan-Hao
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

Feature Unlearning for Pre-trained GANs and VAEs
von: Moon, Saemi, et al.
Veröffentlicht: (2023)

Deep Neural Networks are Adaptive to Function Regularity and Data Distribution in Approximation and Estimation
von: Liu, Hao, et al.
Veröffentlicht: (2024)

Out-of-Distribution Radar Detection with Complex VAEs: Theory, Whitening, and ANMF Fusion
von: Rouzoumka, Yadang Alexis, et al.
Veröffentlicht: (2026)

Disentangling Granularity: An Implicit Inductive Bias in Factorized VAEs
von: Chen, Zihao, et al.
Veröffentlicht: (2025)

Structured Kernel Regression VAE: A Computationally Efficient Surrogate for GP-VAEs in ICA
von: Wei, Yuan-Hao, et al.
Veröffentlicht: (2025)

Unifying Invariance and Spuriousity for Graph Out-of-Distribution via Probability of Necessity and Sufficiency
von: Chen, Xuexin, et al.
Veröffentlicht: (2024)

On the Probability of Necessity and Sufficiency of Explaining Graph Neural Networks: A Lower Bound Optimization Approach
von: Cai, Ruichu, et al.
Veröffentlicht: (2022)

Deep Generative Clustering with VAEs and Expectation-Maximization
von: Adipoetra, Michael, et al.
Veröffentlicht: (2025)

Implicit Hypersurface Approximation Capacity in Deep ReLU Networks
von: Vallin, Jonatan, et al.
Veröffentlicht: (2024)

On the Necessity of Output Distribution Reweighting for Effective Class Unlearning
von: Ebrahimpour-Boroojeny, Ali, et al.
Veröffentlicht: (2025)

Topology of Out-of-Distribution Examples in Deep Neural Networks
von: Datta, Esha, et al.
Veröffentlicht: (2025)

Improving Generalization of Deep Neural Networks by Leveraging Margin Distribution
von: Lyu, Shen-Huan, et al.
Veröffentlicht: (2018)

Unifying Invariant and Variant Features for Graph Out-of-Distribution via Probability of Necessity and Sufficiency
von: Chen, Xuexin, et al.
Veröffentlicht: (2024)

Explicit and Implicit Graduated Optimization in Deep Neural Networks
von: Sato, Naoki, et al.
Veröffentlicht: (2024)

Walking on the Fiber: A Simple Geometric Approximation for Bayesian Neural Networks
von: Reichlin, Alfredo, et al.
Veröffentlicht: (2025)

A New Framework to Analyse the Distributional Robustness of Deep Neural Networks
von: Khaitan, Divij, et al.
Veröffentlicht: (2026)

On the Necessity of Multi-Domain Explanation: An Uncertainty Principle Approach for Deep Time Series Models
von: Rezaei, Shahbaz, et al.
Veröffentlicht: (2025)

Quotient Geometry, Effective Curvature, and Implicit Bias in Simple Shallow Neural Networks
von: Dong, Hang-Cheng, et al.
Veröffentlicht: (2026)

Approximation and Generalization Abilities of Score-based Neural Network Generative Models for Sub-Gaussian Distributions
von: Fu, Guoji, et al.
Veröffentlicht: (2025)

Prior Learning in Introspective VAEs
von: Athanasiadis, Ioannis, et al.
Veröffentlicht: (2024)

Deep Networks Favor Simple Data
von: Lu, Weyl, et al.
Veröffentlicht: (2026)

Forecasting Probability Distributions of Financial Returns with Deep Neural Networks
von: Michańków, Jakub
Veröffentlicht: (2025)

DANDI: Diffusion as Normative Distribution for Deep Neural Network Input
von: Kim, Somin, et al.
Veröffentlicht: (2025)

Mutual Information Collapse Explains Disentanglement Failure in $β$-VAEs
von: Vu, Minh, et al.
Veröffentlicht: (2026)

Ginger: An Efficient Curvature Approximation with Linear Complexity for General Neural Networks
von: Hao, Yongchang, et al.
Veröffentlicht: (2024)

Training Deep Morphological Neural Networks as Universal Approximators
von: Fotopoulos, Konstantinos, et al.
Veröffentlicht: (2025)

Federated Multi Agent Deep Learning and Neural Networks for Advanced Distributed Sensing in Wireless Networks
von: Muller, Nadine, et al.
Veröffentlicht: (2026)

Limited Communications Distributed Optimization via Deep Unfolded Distributed ADMM
von: Noah, Yoav, et al.
Veröffentlicht: (2023)

Tight Robustness Certificates and Wasserstein Distributional Attacks for Deep Neural Networks
von: Le, Bach C., et al.
Veröffentlicht: (2025)

Pruning Deep Neural Networks via a Combination of the Marchenko-Pastur Distribution and Regularization
von: Berlyand, Leonid, et al.
Veröffentlicht: (2025)

Bridging GANs and Bayesian Neural Networks via Partial Stochasticity
von: Filippone, Maurizio, et al.
Veröffentlicht: (2025)

Embedding Principle in Depth for the Loss Landscape Analysis of Deep Neural Networks
von: Bai, Zhiwei, et al.
Veröffentlicht: (2022)

Analytical Verification of Performance of Deep Neural Network Based Time-Synchronized Distribution System State Estimation
von: Azimian, Behrouz, et al.
Veröffentlicht: (2023)

Graph Neural Network-Based Distributed Optimal Control for Linear Networked Systems: An Online Distributed Training Approach
von: Song, Zihao, et al.
Veröffentlicht: (2025)

Central Limit Theorem for Two-Time-Scale Approximate Distributionally Robust RL
von: Wang, Shengbo, et al.
Veröffentlicht: (2026)

Generating In-Distribution Proxy Graphs for Explaining Graph Neural Networks
von: Chen, Zhuomin, et al.
Veröffentlicht: (2024)

Graph Neural Network-Based Collaborative Perception for Adaptive Scheduling in Distributed Systems
von: Zhu, Wenxuan, et al.
Veröffentlicht: (2025)

Symmetric Equilibrium Learning of VAEs
von: Flach, Boris, et al.
Veröffentlicht: (2023)

Distributed Policy Gradient for Linear Quadratic Networked Control with Limited Communication Range
von: Yan, Yuzi, et al.
Veröffentlicht: (2024)

A Principled Path to Fitted Distributional Evaluation
von: Hong, Sungee, et al.
Veröffentlicht: (2025)