Buchumschlag

Repulsive Monte Carlo on the sphere for the sliced Wasserstein distance

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Petrovic, Vladimir, Bardenet, Rémi, Desolneux, Agnès
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

On two ways to use determinantal point processes for Monte Carlo integration
von: Gautier, Guillaume, et al.
Veröffentlicht: (2026)

Negative Dependence as a toolbox for machine learning : review and new developments
von: Tran, Hoang-Son, et al.
Veröffentlicht: (2025)

Gromov-Wasserstein-like Distances in the Gaussian Mixture Models Space
von: Salmona, Antoine, et al.
Veröffentlicht: (2023)

Quenched large deviations for Monte Carlo integration with Coulomb gases
von: Bardenet, Rémi, et al.
Veröffentlicht: (2025)

Monte Carlo with kernel-based Gibbs measures: Guarantees for probabilistic herding
von: Rouault, Martin, et al.
Veröffentlicht: (2024)

Max-sliced 2-Wasserstein distance
von: Boedihardjo, March T.
Veröffentlicht: (2024)

On quantitative Laplace-type convergence results for some exponential probability measures, with two applications
von: De Bortoli, Valentin, et al.
Veröffentlicht: (2021)

Differentiable Expectation-Maximisation and Applications to Gaussian Mixture Model Optimal Transport
von: Boïté, Samuel, et al.
Veröffentlicht: (2025)

Sharp bounds for max-sliced Wasserstein distances
von: Boedihardjo, March T.
Veröffentlicht: (2024)

Bypassing orthogonalization in the quantum DPP sampler
von: Fanuel, Michaël, et al.
Veröffentlicht: (2025)

Sparsification of the regularized magnetic Laplacian with multi-type spanning forests
von: Fanuel, Michaël, et al.
Veröffentlicht: (2022)

Signal reconstruction using determinantal sampling
von: Belhadji, Ayoub, et al.
Veröffentlicht: (2023)

Monte Carlo methods on compact complex manifolds using Bergman kernels
von: Lemoine, Thibaut, et al.
Veröffentlicht: (2024)

BN-SCAFFOLD: controlling the drift of Batch Normalization statistics in Federated Learning
von: Quintana, Gonzalo Iñaki, et al.
Veröffentlicht: (2024)

State-of-art minibatches via novel DPP kernels: discretization, wavelets, and rough objectives
von: Tran, Hoang-Son, et al.
Veröffentlicht: (2026)

Quasi-Monte Carlo for 3D Sliced Wasserstein
von: Nguyen, Khai, et al.
Veröffentlicht: (2023)

Bridging Contrastive Learning and Domain Adaptation: Theoretical Perspective and Practical Application
von: Quintana, Gonzalo Iñaki, et al.
Veröffentlicht: (2025)

Small coresets via negative dependence: DPPs, linear statistics, and concentration
von: Bardenet, Rémi, et al.
Veröffentlicht: (2024)

A Spectral-Grassmann Wasserstein metric for operator representations of dynamical systems
von: Germain, Thibaut, et al.
Veröffentlicht: (2025)

Blazing the trails before beating the path: Sample-efficient Monte-Carlo planning
von: Grill, Jean-Bastien, et al.
Veröffentlicht: (2026)

Liouville PDE-based sliced-Wasserstein flow
von: Cooper, Jayshawn, et al.
Veröffentlicht: (2025)

On Wasserstein distances for affine transformations of random vectors
von: Hamm, Keaton, et al.
Veröffentlicht: (2023)

Note on computational complexity of the Gromov-Wasserstein distance
von: Kravtsova, Natalia
Veröffentlicht: (2024)

Centered plug-in estimation of Wasserstein distances
von: Papp, Tamás P., et al.
Veröffentlicht: (2022)

An in depth look at the Procrustes-Wasserstein distance: properties and barycenters
von: Adamo, Davide, et al.
Veröffentlicht: (2025)

Wasserstein projection distance for fairness testing of regression models
von: Li, Wanxin, et al.
Veröffentlicht: (2025)

On optimal solutions of classical and sliced Wasserstein GANs with non-Gaussian data
von: Huang, Yu-Jui, et al.
Veröffentlicht: (2025)

Properties of Discrete Sliced Wasserstein Losses
von: Tanguy, Eloi, et al.
Veröffentlicht: (2023)

A dimensionality reduction technique based on the Gromov-Wasserstein distance
von: Eufrazio, Rafael P., et al.
Veröffentlicht: (2025)

Fast unsupervised ground metric learning with tree-Wasserstein distance
von: Düsterwald, Kira M., et al.
Veröffentlicht: (2024)

Max-sliced Wasserstein concentration and uniform ratio bounds of empirical measures on RKHS
von: Han, Ruiyu, et al.
Veröffentlicht: (2024)

Metric properties of partial and robust Gromov-Wasserstein distances
von: Chhoa, Jannatul, et al.
Veröffentlicht: (2024)

Enhancing selectivity using Wasserstein distance based reweighing
von: Worah, Pratik
Veröffentlicht: (2024)

Attraction-Repulsion Spectrum in Neighbor Embeddings
von: Böhm, Jan Niklas, et al.
Veröffentlicht: (2020)

Sequential Monte Carlo approximations of Wasserstein--Fisher--Rao gradient flows
von: Crucinio, Francesca R., et al.
Veröffentlicht: (2025)

Estimation and inference for the Wasserstein distance between mixing measures in topic models
von: Bing, Xin, et al.
Veröffentlicht: (2022)

Distributional Reduction: Unifying Dimensionality Reduction and Clustering with Gromov-Wasserstein
von: Van Assel, Hugues, et al.
Veröffentlicht: (2024)

Statistically controllable microstructure reconstruction framework for heterogeneous materials using sliced-Wasserstein metric and neural networks
von: Ma, Zhenchuan, et al.
Veröffentlicht: (2025)

Active Learning for Regression based on Wasserstein distance and GroupSort Neural Networks
von: Bobbia, Benjamin, et al.
Veröffentlicht: (2024)

Subspace Langevin Monte Carlo
von: Maunu, Tyler, et al.
Veröffentlicht: (2024)