Buchumschlag

Asymptotically exact variational flows via involutive MCMC kernels

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Xu, Zuheng, Campbell, Trevor
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computation Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

MixFlows: principled variational inference via mixed flows
von: Xu, Zuheng, et al.
Veröffentlicht: (2022)

AutoStep: Locally adaptive involutive MCMC
von: Liu, Tiange, et al.
Veröffentlicht: (2024)

Tuning Sequential Monte Carlo Samplers via Greedy Incremental Divergence Minimization
von: Kim, Kyurae, et al.
Veröffentlicht: (2025)

MCMC-driven learning
von: Bouchard-Côté, Alexandre, et al.
Veröffentlicht: (2024)

General bounds on the quality of Bayesian coresets
von: Campbell, Trevor
Veröffentlicht: (2024)

Coreset Markov Chain Monte Carlo
von: Chen, Naitong, et al.
Veröffentlicht: (2023)

Turning Waste into Wealth: Leveraging Low-Quality Samples for Enhancing Continuous Conditional Generative Adversarial Networks
von: Ding, Xin, et al.
Veröffentlicht: (2023)

On Cyclical MCMC Sampling
von: Wang, Liwei, et al.
Veröffentlicht: (2024)

Tuning-Free Coreset Markov Chain Monte Carlo via Hot DoG
von: Chen, Naitong, et al.
Veröffentlicht: (2024)

Ai-Sampler: Adversarial Learning of Markov kernels with involutive maps
von: Egorov, Evgenii, et al.
Veröffentlicht: (2024)

Reinforcement Learning for Adaptive MCMC
von: Wang, Congye, et al.
Veröffentlicht: (2024)

Compactly-supported nonstationary kernels for computing exact Gaussian processes on big data
von: Risser, Mark D., et al.
Veröffentlicht: (2024)

Adaptive Independent Sticky MCMC algorithms
von: Martino, L., et al.
Veröffentlicht: (2013)

Reducing normalizing flow complexity for MCMC preconditioning
von: Nabergoj, David, et al.
Veröffentlicht: (2025)

Harnessing the Power of Reinforcement Learning for Adaptive MCMC
von: Wang, Congye, et al.
Veröffentlicht: (2025)

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

Policy Gradients for Optimal Parallel Tempering MCMC
von: Zhao, Daniel, et al.
Veröffentlicht: (2024)

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

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

High-dimensional Adaptive MCMC with Reduced Computational Complexity
von: Hird, Max, et al.
Veröffentlicht: (2026)

Comparison of parallel SMC and MCMC for Bayesian deep learning
von: Liang, Xinzhu, et al.
Veröffentlicht: (2024)

PolytopeWalk: Sparse MCMC Sampling over Polytopes
von: Sun, Benny, et al.
Veröffentlicht: (2024)

Bayesian neural networks via MCMC: a Python-based tutorial
von: Chandra, Rohitash, et al.
Veröffentlicht: (2023)

Mixed Variational Flows for Discrete Variables
von: Diluvi, Gian Carlo, et al.
Veröffentlicht: (2023)

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

Scalable Bayesian Inference for Generalized Linear Mixed Models via Stochastic Gradient MCMC
von: Berchuck, Samuel I., et al.
Veröffentlicht: (2024)

JaxSGMC: Modular stochastic gradient MCMC in JAX
von: Thaler, Stephan, et al.
Veröffentlicht: (2025)

A Non-asymptotic Analysis for Learning and Applying a Preconditioner in MCMC
von: Hird, Max, et al.
Veröffentlicht: (2026)

Distributed MCMC inference for Bayesian Non-Parametric Latent Block Model
von: Khoufache, Reda, et al.
Veröffentlicht: (2024)

Stochastic Approximation with Biased MCMC for Expectation Maximization
von: Gruffaz, Samuel, et al.
Veröffentlicht: (2024)

AutoSGD: Automatic Learning Rate Selection for Stochastic Gradient Descent
von: Surjanovic, Nikola, et al.
Veröffentlicht: (2025)

AutoGD: Automatic Learning Rate Selection for Gradient Descent
von: Surjanovic, Nikola, et al.
Veröffentlicht: (2025)

Learning to Explore for Stochastic Gradient MCMC
von: Kim, SeungHyun, et al.
Veröffentlicht: (2024)

Nearly Dimension-Independent Convergence of Mean-Field Black-Box Variational Inference
von: Kim, Kyurae, et al.
Veröffentlicht: (2025)

Constrained Sampling for Language Models Should Be Easy: An MCMC Perspective
von: Gonzalez, Emmanuel Anaya, et al.
Veröffentlicht: (2025)

Propensity Score Alignment of Unpaired Multimodal Data
von: Xi, Johnny, et al.
Veröffentlicht: (2024)

Learning Multimodal Latent Space with EBM Prior and MCMC Inference
von: Yuan, Shiyu, et al.
Veröffentlicht: (2024)

Particle-MALA and Particle-mGRAD: Gradient-based MCMC methods for high-dimensional state-space models
von: Corenflos, Adrien, et al.
Veröffentlicht: (2024)

Exact and Approximate MCMC for Doubly-intractable Probabilistic Graphical Models Leveraging the Underlying Independence Model
von: Chen, Yujie, et al.
Veröffentlicht: (2025)

Theoretical guarantees for neural control variates in MCMC
von: Belomestny, Denis, et al.
Veröffentlicht: (2023)