Buchumschlag

Enabling Probabilistic Learning on Manifolds through Double Diffusion Maps

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Giovanis, Dimitris G, Evangelou, Nikolaos, Kevrekidis, Ioannis G, Ghanem, Roger G
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Probability
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Generative Learning of Densities on Manifolds
von: Giovanis, Dimitris G., et al.
Veröffentlicht: (2025)

Generative Learning for Slow Manifolds and Bifurcation Diagrams
von: Crabtree, Ellis R., et al.
Veröffentlicht: (2025)

Machine Learning for the identification of phase-transitions in interacting agent-based systems: a Desai-Zwanzig example
von: Evangelou, Nikolaos, et al.
Veröffentlicht: (2023)

Polynomial Chaos Expansions on Principal Geodesic Grassmannian Submanifolds for Surrogate Modeling and Uncertainty Quantification
von: Giovanis, Dimitris G., et al.
Veröffentlicht: (2024)

Normalizing Flows on Quotient Manifolds via Boundary Quotients
von: Ghanem, William, et al.
Veröffentlicht: (2025)

Comparing analytic and data-driven approaches to parameter identifiability: A power systems case study
von: Evangelou, Nikolaos, et al.
Veröffentlicht: (2024)

On Some Tunable Multi-fidelity Bayesian Optimization Frameworks
von: Manoj, Arjun, et al.
Veröffentlicht: (2025)

A Mechanistic Analysis of Transformers for Dynamical Systems
von: Duthé, Gregory, et al.
Veröffentlicht: (2025)

Diffusion Processes on Implicit Manifolds
von: Kawasaki-Borruat, Victor, et al.
Veröffentlicht: (2026)

Conformalized Polynomial Chaos Expansion for Uncertainty-aware Surrogate Modeling
von: Loukrezis, Dimitrios, et al.
Veröffentlicht: (2025)

Structural and Convergence Analysis of Discrete-Time Denoising Diffusion Probabilistic Models
von: Nakano, Yumiharu
Veröffentlicht: (2024)

A Free Probabilistic Framework for Denoising Diffusion Models: Entropy, Transport, and Reverse Processes
von: Das, Swagatam
Veröffentlicht: (2025)

Algorithms and Scientific Software for Quasi-Monte Carlo, Fast Gaussian Process Regression, and Scientific Machine Learning
von: Sorokin, Aleksei G.
Veröffentlicht: (2025)

Probabilistic Consistency in Machine Learning and Its Connection to Uncertainty Quantification
von: Patrone, Paul, et al.
Veröffentlicht: (2025)

Efficient Diffusion Models for Symmetric Manifolds
von: Mangoubi, Oren, et al.
Veröffentlicht: (2025)

Diffusion Model's Generalization Can Be Characterized by Inductive Biases toward a Data-Dependent Ridge Manifold
von: He, Ye, et al.
Veröffentlicht: (2026)

Permutation-Invariant Spectral Learning via Dyson Diffusion
von: Schwarz, Tassilo, et al.
Veröffentlicht: (2025)

Probabilistic Inference and Learning with Stein's Method
von: Liu, Qiang, et al.
Veröffentlicht: (2026)

Random Normed k-Means: A Paradigm-Shift in Clustering within Probabilistic Metric Spaces
von: Hemdanou, Abderrafik Laakel, et al.
Veröffentlicht: (2025)

Monte Carlo Neural PDE Solver for Learning PDEs via Probabilistic Representation
von: Zhang, Rui, et al.
Veröffentlicht: (2023)

Nonlinear Manifold Learning Determines Microgel Size from Raman Spectroscopy
von: Koronaki, Eleni D., et al.
Veröffentlicht: (2024)

Throughput-Optimal Scheduling Algorithms for LLM Inference and AI Agents
von: Dai, J. G., et al.
Veröffentlicht: (2025)

Differentiable Filtering for Learning Hidden Markov Models
von: Chen, Reginald Zhiyan, et al.
Veröffentlicht: (2025)

Analysis of Diffusion Models for Manifold Data
von: George, Anand Jerry, et al.
Veröffentlicht: (2025)

Applications of Random Matrix Theory in Machine Learning and Brain Mapping
von: Lawrence, Katrina
Veröffentlicht: (2025)

On the Limits of Latent Reuse in Diffusion Models
von: Yu, Yifeng, et al.
Veröffentlicht: (2026)

Malliavin Calculus for Score-based Diffusion Models
von: Mirafzali, Ehsan, et al.
Veröffentlicht: (2025)

Theoretical guarantees in KL for Diffusion Flow Matching
von: Silveri, Marta Gentiloni, et al.
Veröffentlicht: (2024)

Chernoff Bounds for Tensor Expanders on Riemannian Manifolds Using Graph Laplacian Approximation
von: Chang, Shih-Yu
Veröffentlicht: (2024)

Integrating supervised and unsupervised learning approaches to unveil critical process inputs
von: Papavasileiou, Paris, et al.
Veröffentlicht: (2024)

Diffusion annealed Langevin dynamics: a theoretical study
von: Cattiaux, Patrick, et al.
Veröffentlicht: (2025)

Neural Diffusion Intensity Models for Point Process Data
von: Du, Xinlong, et al.
Veröffentlicht: (2026)

BumpNet: A Sparse MLP Framework for Learning PDE Solutions
von: Chiu, Shao-Ting, et al.
Veröffentlicht: (2025)

Sig-DEG for Distillation: Making Diffusion Models Faster and Lighter
von: Jiang, Lei, et al.
Veröffentlicht: (2025)

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

Learning Discriminators for Resampling in the Ensemble Gaussian Mixture Filter through a Normalizing Flow Approach
von: Jabbar, Zain, et al.
Veröffentlicht: (2026)

Demystifying MaskGIT Sampler and Beyond: Adaptive Order Selection in Masked Diffusion
von: Hayakawa, Satoshi, et al.
Veröffentlicht: (2025)

Diffusion-based supervised learning of generative models for efficient sampling of multimodal distributions
von: Tran, Hoang, et al.
Veröffentlicht: (2025)

Convergence Analysis for General Probability Flow ODEs of Diffusion Models in Wasserstein Distances
von: Gao, Xuefeng, et al.
Veröffentlicht: (2024)

Deep ZakaiJ: Structured Filtering for Jump-Diffusion Time Series Forecasting
von: Leng, Yan, et al.
Veröffentlicht: (2026)