Copertina

Beyond Self-Repellent Kernels: History-Driven Target Towards Efficient Nonlinear MCMC on General Graphs

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Hu, Jie, Ma, Yi-Ting, Eun, Do Young
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Self-Repellent Random Walks on General Graphs -- Achieving Minimal Sampling Variance via Nonlinear Markov Chains
di: Doshi, Vishwaraj, et al.
Pubblicazione: (2023)

Accelerating Distributed Stochastic Optimization via Self-Repellent Random Walks
di: Hu, Jie, et al.
Pubblicazione: (2024)

Score-Repellent Monte Carlo: Toward Efficient Non-Markovian Sampler with Constant Memory in General State Spaces
di: Hu, Jie, et al.
Pubblicazione: (2026)

Does Worst-Performing Agent Lead the Pack? Analyzing Agent Dynamics in Unified Distributed SGD
di: Hu, Jie, et al.
Pubblicazione: (2024)

Central Limit Theorem for Two-Timescale Stochastic Approximation with Markovian Noise: Theory and Applications
di: Hu, Jie, et al.
Pubblicazione: (2024)

Toward Efficient Kernel-Based Solvers for Nonlinear PDEs
di: Xu, Zhitong, et al.
Pubblicazione: (2024)

Repelling Random Walks
di: Reid, Isaac, et al.
Pubblicazione: (2023)

Simplifying Graph Kernels for Efficient
di: Wang, Lin, et al.
Pubblicazione: (2025)

Convergence of Dirichlet Forms for MCMC Optimal Scaling with Dependent Target Distributions on Large Graphs
di: Ning, Ning
Pubblicazione: (2022)

Tractable MCMC for Private Learning with Pure and Gaussian Differential Privacy
di: Lin, Yingyu, et al.
Pubblicazione: (2023)

UniCon: Unified Framework for Efficient Contrastive Alignment via Kernels
di: Sui, Hangke, et al.
Pubblicazione: (2026)

Functional Stochastic Gradient MCMC for Bayesian Neural Networks
di: Wu, Mengjing, et al.
Pubblicazione: (2024)

Efficient MCMC Sampling with Expensive-to-Compute and Irregular Likelihoods
di: Rosato, Conor, et al.
Pubblicazione: (2025)

Towards Subgraph Isomorphism Counting with Graph Kernels
di: Liu, Xin, et al.
Pubblicazione: (2024)

Efficiently Vectorized MCMC on Modern Accelerators
di: Dance, Hugh, et al.
Pubblicazione: (2025)

CKGConv: General Graph Convolution with Continuous Kernels
di: Ma, Liheng, et al.
Pubblicazione: (2024)

MCMC: Bridging Rendering, Optimization and Generative AI
di: Singh, Gurprit, et al.
Pubblicazione: (2025)

Diffusion Generative Modelling for Divide-and-Conquer MCMC
di: Trojan, C., et al.
Pubblicazione: (2024)

On Cyclical MCMC Sampling
di: Wang, Liwei, et al.
Pubblicazione: (2024)

Improving sample efficiency of high dimensional Bayesian optimization with MCMC
di: Yi, Zeji, et al.
Pubblicazione: (2024)

Towards Efficient Target-Level Machine Unlearning Based on Essential Graph
di: Xu, Heng, et al.
Pubblicazione: (2024)

Optimization-Free Graph Embedding via Distributional Kernel for Community Detection
di: Song, Shuaibin, et al.
Pubblicazione: (2026)

Beyond State Space Representation: A General Theory for Kernel Packets
di: Ding, Liang, et al.
Pubblicazione: (2024)

Self-Certifying Transport MCMC via Dual Spectral-Gap Certificates
di: Hu, Jun
Pubblicazione: (2026)

Efficient Sampling on Riemannian Manifolds via Langevin MCMC
di: Cheng, Xiang, et al.
Pubblicazione: (2024)

Reinforcement Learning for Adaptive MCMC
di: Wang, Congye, et al.
Pubblicazione: (2024)

Learning with Local Search MCMC Layers
di: Vivier-Ardisson, Germain, et al.
Pubblicazione: (2025)

Non-Vacuous Certification of Transport MCMC via Oscillation-Controlled Normalizing Flows
di: Hu, Jun
Pubblicazione: (2026)

HBGSA: Hydrogen Bond Graph with Self-Attention for Drug-Target Binding Affinity Prediction
di: Kong, Junxiao, et al.
Pubblicazione: (2026)

Shielded Diffusion: Generating Novel and Diverse Images using Sparse Repellency
di: Kirchhof, Michael, et al.
Pubblicazione: (2024)

NGDB-Zoo: Towards Efficient and Scalable Neural Graph Databases Training
di: Xie, Zhongwei, et al.
Pubblicazione: (2026)

ES-GNN: Generalizing Graph Neural Networks Beyond Homophily with Edge Splitting
di: Guo, Jingwei, et al.
Pubblicazione: (2022)

Transition Path Sampling with Boltzmann Generator-based MCMC Moves
di: Plainer, Michael, et al.
Pubblicazione: (2023)

Towards Robust Nonlinear Subspace Clustering: A Kernel Learning Approach
di: Xu, Kunpeng, et al.
Pubblicazione: (2025)

Towards Automated Kernel Generation in the Era of LLMs
di: Yu, Yang, et al.
Pubblicazione: (2026)

MCMC-driven learning
di: Bouchard-Côté, Alexandre, et al.
Pubblicazione: (2024)

AdaExplore: Failure-Driven Adaptation and Diversity-Preserving Search for Efficient Kernel Generation
di: Du, Weihua, et al.
Pubblicazione: (2026)

Adaptive Independent Sticky MCMC algorithms
di: Martino, L., et al.
Pubblicazione: (2013)

Graph Kernel Neural Networks
di: Cosmo, Luca, et al.
Pubblicazione: (2021)

Optimal Time Complexity Algorithms for Computing General Random Walk Graph Kernels on Sparse Graphs
di: Choromanski, Krzysztof, et al.
Pubblicazione: (2024)