Buchumschlag

Generative AI Models for Learning Flow Maps of Stochastic Dynamical Systems in Bounded Domains

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yang, Minglei, Liu, Yanfang, del-Castillo-Negrete, Diego, Cao, Yanzhao, Zhang, Guannan
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A Training-Free Conditional Diffusion Model for Learning Stochastic Dynamical Systems
von: Liu, Yanfang, et al.
Veröffentlicht: (2024)

Conditional Pseudo-Reversible Normalizing Flow for Surrogate Modeling in Quantifying Uncertainty Propagation
von: Yang, Minglei, et al.
Veröffentlicht: (2024)

An efficient probabilistic scheme for the exit time probability of $α$-stable Lévy process
von: Yang, Minglei, et al.
Veröffentlicht: (2026)

Learning Stochastic Hamiltonian Systems via Stochastic Generating Function Neural Network
von: Chen, Chen, et al.
Veröffentlicht: (2025)

Multi-fidelity Parameter Estimation Using Conditional Diffusion Models
von: Tatsuoka, Caroline, et al.
Veröffentlicht: (2025)

Learning to Stabilize Unknown LTI Systems on a Single Trajectory under Stochastic Noise
von: Zhang, Ziyi, et al.
Veröffentlicht: (2024)

Adaptive Partitioning and Learning for Stochastic Control of Diffusion Processes
von: Jin, Hanqing, et al.
Veröffentlicht: (2025)

GenAI4UQ: A Software for Inverse Uncertainty Quantification Using Conditional Generative Models
von: Fan, Ming, et al.
Veröffentlicht: (2024)

An Ensemble Score Filter for Tracking High-Dimensional Nonlinear Dynamical Systems
von: Bao, Feng, et al.
Veröffentlicht: (2023)

Strong Stochastic Flow Maps
von: McCallum, Sam, et al.
Veröffentlicht: (2026)

Distribution-free Deviation Bounds and The Role of Domain Knowledge in Learning via Model Selection with Cross-validation Risk Estimation
von: Marcondes, Diego, et al.
Veröffentlicht: (2023)

Generalization Bounds of Stochastic Gradient Descent in Homogeneous Neural Networks
von: Ma, Wenquan, et al.
Veröffentlicht: (2026)

Correct and Weight: A Simple Yet Effective Loss for Implicit Feedback Recommendation
von: Yin, Minglei, et al.
Veröffentlicht: (2026)

Negatives-Dominant Contrastive Learning for Generalization in Imbalanced Domains
von: Cao, Meng, et al.
Veröffentlicht: (2026)

DA-MoE: Towards Dynamic Expert Allocation for Mixture-of-Experts Models
von: Aghdam, Maryam Akhavan, et al.
Veröffentlicht: (2024)

Boosting Deep Ensembles with Learning Rate Tuning
von: Jin, Hongpeng, et al.
Veröffentlicht: (2024)

Learning Robust Spectral Dynamics for Temporal Domain Generalization
von: Yu, En, et al.
Veröffentlicht: (2025)

Sample Complexity Bounds for Stochastic Shortest Path with a Generative Model
von: Tarbouriech, Jean, et al.
Veröffentlicht: (2026)

Learning Hamiltonian Flow Maps: Mean Flow Consistency for Large-Timestep Molecular Dynamics
von: Ripken, Winfried, et al.
Veröffentlicht: (2026)

Diamond Maps: Efficient Reward Alignment via Stochastic Flow Maps
von: Holderrieth, Peter, et al.
Veröffentlicht: (2026)

Training-free score-based diffusion for parameter-dependent stochastic dynamical systems
von: Yang, Minglei, et al.
Veröffentlicht: (2026)

SERL: Self-Examining Reinforcement Learning on Open-Domain
von: Ou, Weixuan, et al.
Veröffentlicht: (2025)

In-Context Learning of Linear Dynamical Systems with Transformers: Approximation Bounds and Depth-Separation
von: Cole, Frank, et al.
Veröffentlicht: (2025)

Efficient Reinforcement Learning for Routing Jobs in Heterogeneous Queueing Systems
von: Jali, Neharika, et al.
Veröffentlicht: (2024)

Tight Generalization Error Bounds for Stochastic Gradient Descent in Non-convex Learning
von: Xiong, Wenjun, et al.
Veröffentlicht: (2025)

BézierFlow: Learning Bézier Stochastic Interpolant Schedulers for Few-Step Generation
von: Min, Yunhong, et al.
Veröffentlicht: (2025)

Physics-Informed Regularization for Domain-Agnostic Dynamical System Modeling
von: Huang, Zijie, et al.
Veröffentlicht: (2024)

Learning Stochastic Dynamical Systems with Structured Noise
von: Guo, Ziheng, et al.
Veröffentlicht: (2025)

Optimal Stochastic Trace Estimation in Generative Modeling
von: Liu, Xinyang, et al.
Veröffentlicht: (2025)

Understanding the Generalization of Stochastic Gradient Adam in Learning Neural Networks
von: Tang, Xuan, et al.
Veröffentlicht: (2025)

CEQuest: Benchmarking Large Language Models for Construction Estimation
von: Wu, Yanzhao, et al.
Veröffentlicht: (2025)

Stochastic Voronoi Ensembles for Anomaly Detection
von: Cao, Yang, et al.
Veröffentlicht: (2026)

Heuristic Adaptation of Potentially Misspecified Domain Support for Likelihood-Free Inference in Stochastic Dynamical Systems
von: Kamaras, Georgios, et al.
Veröffentlicht: (2025)

Generalised Flow Maps for Few-Step Generative Modelling on Riemannian Manifolds
von: Davis, Oscar, et al.
Veröffentlicht: (2025)

Error estimates of a training-free diffusion model for high-dimensional sampling
von: Wang, Pengjun, et al.
Veröffentlicht: (2026)

Towards Effective Theory of LLMs: A Representation Learning Approach
von: Ustaomeroglu, Muhammed, et al.
Veröffentlicht: (2026)

Gradient Flow Drifting: Generative Modeling via Wasserstein Gradient Flows of KDE-Approximated Divergences
von: Cao, Jiarui, et al.
Veröffentlicht: (2026)

A Few-Step Generative Model on Cumulative Flow Maps
von: Li, Zhiqi, et al.
Veröffentlicht: (2026)

Modeling Reference-dependent Choices with Graph Neural Networks
von: Zhang, Liang, et al.
Veröffentlicht: (2024)

FlowNet: Modeling Dynamic Spatio-Temporal Systems via Flow Propagation
von: Feng, Yutong, et al.
Veröffentlicht: (2025)