Buchumschlag

Preconditioned Regularized Wasserstein Proximal Sampling

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Tan, Hong Ye, Osher, Stanley, Li, Wuchen
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Optimization and Control Computation 65C05, 62G07
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Accelerated Regularized Wasserstein Proximal Sampling Algorithms
von: Tan, Hong Ye, et al.
Veröffentlicht: (2026)

Variance-Reduced Manifold Sampling via Polynomial-Maximization Density Estimation
von: Zabolotnii, Serhii
Veröffentlicht: (2026)

Sparse Transformer Architectures via Regularized Wasserstein Proximal Operator with $L_1$ Prior
von: Han, Fuqun, et al.
Veröffentlicht: (2025)

Weighted mesh algorithms for general Markov decision processes: Convergence and tractability
von: Belomestny, Denis, et al.
Veröffentlicht: (2024)

Score-based Neural Ordinary Differential Equations for Computing Mean Field Control Problems
von: Zhou, Mo, et al.
Veröffentlicht: (2024)

Error Bounds for Importance Sampling with Estimated Proposal Distributions
von: Aeckerle-Willems, Cathrine, et al.
Veröffentlicht: (2026)

Diagonal Linear Networks and the Lasso Regularization Path
von: Berthier, Raphaël
Veröffentlicht: (2025)

Kernel Density Machines
von: Della Vecchia, Andrea, et al.
Veröffentlicht: (2025)

Doubly Regularized Entropic Wasserstein Barycenters
von: Chizat, Lénaïc
Veröffentlicht: (2023)

Learning where to learn: Training data distribution optimization for scientific machine learning
von: Guerra, Nicolas, et al.
Veröffentlicht: (2025)

Wasserstein Distributionally Robust Nonparametric Regression
von: Liu, Changyu, et al.
Veröffentlicht: (2025)

Model-free filtering in high dimensions via projection and score-based diffusions
von: Christensen, Sören, et al.
Veröffentlicht: (2025)

PurSAMERE: Reliable Adversarial Purification via Sharpness-Aware Minimization of Expected Reconstruction Error
von: Hoang, Vinh, et al.
Veröffentlicht: (2026)

Tracking the Median of Gradients with a Stochastic Proximal Point Method
von: Schaipp, Fabian, et al.
Veröffentlicht: (2024)

Unfolding with a Wasserstein Loss
von: Craig, Katy, et al.
Veröffentlicht: (2026)

Adaptive joint distribution learning
von: Filipovic, Damir, et al.
Veröffentlicht: (2021)

Sample Complexity of Policy Gradient for Log-Growth Control
von: Pan, Qiuhua, et al.
Veröffentlicht: (2026)

IPAS: An Adaptive Sample Size Method for Weighted Finite Sum Problems with Linear Equality Constraints
von: Krejić, Nataša, et al.
Veröffentlicht: (2025)

Fixed-Point Neural Optimal Transport without Implicit Differentiation
von: Park, Yesom, et al.
Veröffentlicht: (2026)

BISTRO -- A Bi-Fidelity Stochastic Gradient Framework using Trust-Regions for Optimization Under Uncertainty
von: Dixon, Thomas O., et al.
Veröffentlicht: (2025)

Optimal Control of a Battery Storage On the Energy Market
von: Schlüter, Stephan, et al.
Veröffentlicht: (2024)

EnKSGD: A Class Of Preconditioned Black Box Optimization And Inversion Algorithms
von: Irwin, Brian, et al.
Veröffentlicht: (2023)

An energy-based deep splitting method for the nonlinear filtering problem
von: Bågmark, Kasper, et al.
Veröffentlicht: (2022)

High-dimensional Bayesian filtering through deep density approximation
von: Bågmark, Kasper, et al.
Veröffentlicht: (2025)

Nonlinear filtering based on density approximation and deep BSDE prediction
von: Bågmark, Kasper, et al.
Veröffentlicht: (2025)

A Wasserstein perspective of Vanilla GANs
von: Kunkel, Lea, et al.
Veröffentlicht: (2024)

Transcendental Regularization of Finite Mixtures:Theoretical Guarantees and Practical Limitations
von: Fokoué, Ernest
Veröffentlicht: (2026)

Polynomial Chaos Surrogate Construction for Random Fields with Parametric Uncertainty
von: Mueller, Joy N., et al.
Veröffentlicht: (2023)

Multi-Iteration Stochastic Optimizers
von: Carlon, Andre, et al.
Veröffentlicht: (2020)

Taylor Approximation Variance Reduction for Approximation Errors in PDE-constrained Bayesian Inverse Problems
von: Nicholson, Ruanui, et al.
Veröffentlicht: (2025)

A convergent scheme for the Bayesian filtering problem based on the Fokker--Planck equation and deep splitting
von: Bågmark, Kasper, et al.
Veröffentlicht: (2024)

Constructive interpolation and generalization rates for neural ODEs: a control perspective
von: Álvarez-López, Antonio, et al.
Veröffentlicht: (2026)

Adam Improves Muon: Adaptive Moment Estimation with Orthogonalized Momentum
von: Zhang, Minxin, et al.
Veröffentlicht: (2026)

Error Bound Analysis for the Regularized Loss of Deep Linear Neural Networks
von: Chen, Po, et al.
Veröffentlicht: (2025)

Variance-Reduced Diffusion Sampling via Target Score Identity
von: Duston, Alois, et al.
Veröffentlicht: (2026)

Nonstationary Distribution Estimation via Wasserstein Probability Flows
von: Anderson, Edward J., et al.
Veröffentlicht: (2025)

SVD-Preconditioned Gradient Descent Method for Solving Nonlinear Least Squares Problems
von: Chang, Zhipeng, et al.
Veröffentlicht: (2026)

ASMOP: Additional sampling stochastic trust region method for multi-objective problems
von: Jerinkić, Nataša Krklec, et al.
Veröffentlicht: (2025)

A variational approach to a cumulative distribution function estimation problem under stochastic ambiguity
von: Deride, Julio, et al.
Veröffentlicht: (2023)

On Learning the Optimal Regularization Parameter in Inverse Problems
von: Rodriguez, Jonathan Chirinos, et al.
Veröffentlicht: (2023)