Copertina

Adversarial Disentanglement by Backpropagation with Physics-Informed Variational Autoencoder

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Koune, Ioannis Christoforos, Cicirello, Alice
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

Physics-Enhanced Machine Learning: a position paper for dynamical systems investigations
di: Cicirello, Alice
Pubblicazione: (2024)

PIGPVAE: Physics-Informed Gaussian Process Variational Autoencoders
di: Spitieris, Michail, et al.
Pubblicazione: (2025)

Disentanglement of Sources in a Multi-Stream Variational Autoencoder
di: Boukun, Veranika, et al.
Pubblicazione: (2025)

Disentanglement with Factor Quantized Variational Autoencoders
di: Baykal, Gulcin, et al.
Pubblicazione: (2024)

Digital twin for virtual sensing of ferry quays via a Gaussian Process Latent Force Model
di: Sibille, Luigi, et al.
Pubblicazione: (2025)

Disentangling shared and private latent factors in multimodal Variational Autoencoders
di: Märtens, Kaspar, et al.
Pubblicazione: (2024)

Coupled Transformer Autoencoder for Disentangling Multi-Region Neural Latent Dynamics
di: Sristi, Ram Dyuthi, et al.
Pubblicazione: (2025)

$Φ$-DVAE: Physics-Informed Dynamical Variational Autoencoders for Unstructured Data Assimilation
di: Glyn-Davies, Alex, et al.
Pubblicazione: (2022)

Unsupervised Multiple Domain Translation through Controlled Disentanglement in Variational Autoencoder
di: Almudévar, Antonio, et al.
Pubblicazione: (2024)

Disentangling Dense Embeddings with Sparse Autoencoders
di: O'Neill, Charles, et al.
Pubblicazione: (2024)

Data-efficient and Interpretable Inverse Materials Design using a Disentangled Variational Autoencoder
di: Zeng, Cheng, et al.
Pubblicazione: (2024)

PITA: Physics-Informed Trajectory Autoencoder
di: Fischer, Johannes, et al.
Pubblicazione: (2024)

Generating Realistic Adversarial Examples for Business Processes using Variational Autoencoders
di: Stevens, Alexander, et al.
Pubblicazione: (2024)

FastLRNR and Sparse Physics Informed Backpropagation
di: Cho, Woojin, et al.
Pubblicazione: (2024)

Adversarial Autoencoders in Operator Learning
di: Enyeart, Dustin, et al.
Pubblicazione: (2024)

Beyond Vanilla Variational Autoencoders: Detecting Posterior Collapse in Conditional and Hierarchical Variational Autoencoders
di: Dang, Hien, et al.
Pubblicazione: (2023)

Analysis of Variational Sparse Autoencoders
di: Baker, Zachary, et al.
Pubblicazione: (2025)

Variational Rank Reduction Autoencoders
di: Mounayer, Jad, et al.
Pubblicazione: (2025)

Ensemble Visualization With Variational Autoencoder
di: Wu, Cenyang, et al.
Pubblicazione: (2025)

An Introduction to Discrete Variational Autoencoders
di: Jeffares, Alan, et al.
Pubblicazione: (2025)

Likelihood-Free Variational Autoencoders
di: Xu, Chen, et al.
Pubblicazione: (2025)

On Kernel-based Variational Autoencoder
di: Qin, Tian, et al.
Pubblicazione: (2024)

Variational Learning of Disentangled Representations
di: Slavutsky, Yuli, et al.
Pubblicazione: (2025)

Disentangled Interleaving Variational Encoding
di: Wong, Noelle Y. L., et al.
Pubblicazione: (2025)

Adversarial Graph Disentanglement
di: Zheng, Shuai, et al.
Pubblicazione: (2021)

SA-DVAE: Improving Zero-Shot Skeleton-Based Action Recognition by Disentangled Variational Autoencoders
di: Li, Sheng-Wei, et al.
Pubblicazione: (2024)

Bidirectional Variational Autoencoders
di: Kosko, Bart, et al.
Pubblicazione: (2025)

Disentangled Graph Autoencoder for Treatment Effect Estimation
di: Fan, Di, et al.
Pubblicazione: (2024)

The Cost of Avoiding Backpropagation
di: Panchal, Kunjal, et al.
Pubblicazione: (2025)

Backpropagation Neural Tree
di: Ojha, Varun, et al.
Pubblicazione: (2022)

Disentangling Hippocampal Shape Variations: A Study of Neurological Disorders Using Mesh Variational Autoencoder with Contrastive Learning
di: Rabbi, Jakaria, et al.
Pubblicazione: (2024)

Learning Mechanistic Subtypes of Neurodegeneration with a Physics-Informed Variational Autoencoder Mixture Model
di: Pinnawala, Sanduni, et al.
Pubblicazione: (2025)

Zero-Variance Gradients for Variational Autoencoders
di: Shao, Zilei, et al.
Pubblicazione: (2025)

Discovering Influential Factors in Variational Autoencoders
di: Liu, Shiqi, et al.
Pubblicazione: (2018)

Theoretical Convergence Guarantees for Variational Autoencoders
di: Surendran, Sobihan, et al.
Pubblicazione: (2024)

Latent Disentanglement in Mesh Variational Autoencoders Improves the Diagnosis of Craniofacial Syndromes and Aids Surgical Planning
di: Foti, Simone, et al.
Pubblicazione: (2023)

Disentangled Latent Spaces for Reduced Order Models using Deterministic Autoencoders
di: Schwarz, Henning, et al.
Pubblicazione: (2025)

Visual Disentangled Diffusion Autoencoders: Scalable Counterfactual Generation for Foundation Models
di: Bender, Sidney, et al.
Pubblicazione: (2026)

Simultaneous Unlearning of Multiple Protected User Attributes From Variational Autoencoder Recommenders Using Adversarial Training
di: Escobedo, Gustavo, et al.
Pubblicazione: (2024)

Hellinger Multimodal Variational Autoencoders
di: Vo, Huyen, et al.
Pubblicazione: (2026)