Buchumschlag

Tractable Representation Learning with Probabilistic Circuits

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Braun, Steven, Sidheekh, Sahil, Vergari, Antonio, Mundt, Martin, Natarajan, Sriraam, Kersting, Kristian
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Building Expressive and Tractable Probabilistic Generative Models: A Review
von: Sidheekh, Sahil, et al.
Veröffentlicht: (2024)

Geometry-Aware Probabilistic Circuits via Voronoi Tessellations
von: Sidheekh, Sahil, et al.
Veröffentlicht: (2026)

Tractable Sharpness-Aware Learning of Probabilistic Circuits
von: Suresh, Hrithik, et al.
Veröffentlicht: (2025)

Credibility-Aware Multi-Modal Fusion Using Probabilistic Circuits
von: Sidheekh, Sahil, et al.
Veröffentlicht: (2024)

A Unified Framework for Human-Allied Learning of Probabilistic Circuits
von: Karanam, Athresh, et al.
Veröffentlicht: (2024)

Context-specific Credibility-aware Multimodal Fusion with Conditional Probabilistic Circuits
von: Tenali, Pranuthi, et al.
Veröffentlicht: (2026)

Deep Classifier Mimicry without Data Access
von: Braun, Steven, et al.
Veröffentlicht: (2023)

Human-Allied Relational Reinforcement Learning
von: Darvishvand, Fateme Golivand, et al.
Veröffentlicht: (2025)

Recursive Inference Machines for Neural Reasoning
von: Komisarczyk, Mieszko, et al.
Veröffentlicht: (2026)

Einsum Networks: Fast and Scalable Learning of Tractable Probabilistic Circuits
von: Peharz, Robert, et al.
Veröffentlicht: (2020)

Hyperparameter Optimization via Interacting with Probabilistic Circuits
von: Seng, Jonas, et al.
Veröffentlicht: (2025)

Restructuring Tractable Probabilistic Circuits
von: Zhang, Honghua, et al.
Veröffentlicht: (2024)

Scaling Continuous Latent Variable Models as Probabilistic Integral Circuits
von: Gala, Gennaro, et al.
Veröffentlicht: (2024)

Probabilistic Graph Circuits: Deep Generative Models for Tractable Probabilistic Inference over Graphs
von: Papež, Milan, et al.
Veröffentlicht: (2025)

On Faster Marginalization with Squared Circuits via Orthonormalization
von: Loconte, Lorenzo, et al.
Veröffentlicht: (2024)

Human-in-the-loop or AI-in-the-loop? Automate or Collaborate?
von: Natarajan, Sriraam, et al.
Veröffentlicht: (2024)

SymCircuit: Bayesian Structure Inference for Tractable Probabilistic Circuits via Entropy-Regularized Reinforcement Learning
von: Ju, Y. Sungtaek
Veröffentlicht: (2026)

A Sobering Look at Tabular Data Generation via Probabilistic Circuits
von: Scassola, Davide, et al.
Veröffentlicht: (2026)

Tractable Probabilistic Graph Representation Learning with Graph-Induced Sum-Product Networks
von: Errica, Federico, et al.
Veröffentlicht: (2023)

Scaling Probabilistic Circuits via Data Partitioning
von: Seng, Jonas, et al.
Veröffentlicht: (2025)

How to Square Tensor Networks and Circuits Without Squaring Them
von: Loconte, Lorenzo, et al.
Veröffentlicht: (2025)

Neurosymbolic Imitation Learning with Human Guidance: A Privileged Information Approach
von: Prabhakar, Nikhilesh, et al.
Veröffentlicht: (2026)

Continuous Mixtures of Tractable Probabilistic Models
von: Correia, Alvaro H. C., et al.
Veröffentlicht: (2022)

Combining Planning and Reinforcement Learning for Solving Relational Multiagent Domains
von: Prabhakar, Nikhilesh, et al.
Veröffentlicht: (2025)

The Cake that is Intelligence and Who Gets to Bake it: An AI Analogy and its Implications for Participation
von: Mundt, Martin, et al.
Veröffentlicht: (2025)

Sum of Squares Circuits
von: Loconte, Lorenzo, et al.
Veröffentlicht: (2024)

Neuronal Stochastic Attention Circuit (NSAC) for Probabilistic Representation Learning
von: Razzaq, Waleed, et al.
Veröffentlicht: (2026)

HackAtari: Atari Learning Environments for Robust and Continual Reinforcement Learning
von: Delfosse, Quentin, et al.
Veröffentlicht: (2024)

Learning to Intervene on Concept Bottlenecks
von: Steinmann, David, et al.
Veröffentlicht: (2023)

Subtractive Mixture Models via Squaring: Representation and Learning
von: Loconte, Lorenzo, et al.
Veröffentlicht: (2023)

GRAIL: Autonomous Concept Grounding for Neuro-Symbolic Reinforcement Learning
von: Shindo, Hikaru, et al.
Veröffentlicht: (2026)

Soft Learning Probabilistic Circuits
von: Ghandi, Soroush, et al.
Veröffentlicht: (2024)

Sparse Probabilistic Graph Circuits
von: Rektoris, Martin, et al.
Veröffentlicht: (2025)

BlendRL: A Framework for Merging Symbolic and Neural Policy Learning
von: Shindo, Hikaru, et al.
Veröffentlicht: (2024)

Probabilistic Subgoal Representations for Hierarchical Reinforcement learning
von: Wang, Vivienne Huiling, et al.
Veröffentlicht: (2024)

Causal Unit Selection using Tractable Arithmetic Circuits
von: Huang, Haiying, et al.
Veröffentlicht: (2024)

Interpretable and Editable Programmatic Tree Policies for Reinforcement Learning
von: Kohler, Hector, et al.
Veröffentlicht: (2024)

Probabilistic Circuits for Cumulative Distribution Functions
von: Broadrick, Oliver, et al.
Veröffentlicht: (2024)

T-FREE: Subword Tokenizer-Free Generative LLMs via Sparse Representations for Memory-Efficient Embeddings
von: Deiseroth, Björn, et al.
Veröffentlicht: (2024)

Object Centric Concept Bottlenecks
von: Steinmann, David, et al.
Veröffentlicht: (2025)