:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Reu, Teodora, Dromigny, Sixtine, Bronstein, Michael, Vargas, Francisco
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	https://arxiv.org/abs/2510.18118
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

To smooth a cloud or to pin it down: Guarantees and Insights on Score Matching in Denoising Diffusion Models
von: Vargas, Francisco, et al.
Veröffentlicht: (2023)

Metric Flow Matching for Smooth Interpolations on the Data Manifold
von: Kapuśniak, Kacper, et al.
Veröffentlicht: (2024)

Revealing Decurve Flows for Generalized Graph Propagation
von: Lin, Chen, et al.
Veröffentlicht: (2024)

Revealing Interpretable Failure Modes of VLMs
von: Chaudhary, Isha, et al.
Veröffentlicht: (2026)

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

Seismic noise interferometry for phase transmission fibre optics
von: Dromigny, Sixtine, et al.
Veröffentlicht: (2024)

Adaptive Optimization via Momentum on Variance-Normalized Gradients
von: Patitucci, Francisco, et al.
Veröffentlicht: (2026)

Fisher Flow Matching for Generative Modeling over Discrete Data
von: Davis, Oscar, et al.
Veröffentlicht: (2024)

Efficient Regression-Based Training of Normalizing Flows for Boltzmann Generators
von: Rehman, Danyal, et al.
Veröffentlicht: (2025)

Can Graph Foundation Models Generalize Over Architecture?
von: Gutteridge, Benjamin, et al.
Veröffentlicht: (2026)

Zero Collapse: A Failure Mode of Policy Gradient Methods in Discontinuous Reward Environments
von: Kumar, Nishant, et al.
Veröffentlicht: (2026)

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

Flow-Based Fragment Identification via Binding Site-Specific Latent Representations
von: Neeser, Rebecca Manuela, et al.
Veröffentlicht: (2025)

PINNs Failure Modes are Overfitting
von: Andersen, Nigel T., et al.
Veröffentlicht: (2026)

AdaFlow: Imitation Learning with Variance-Adaptive Flow-Based Policies
von: Hu, Xixi, et al.
Veröffentlicht: (2024)

MarS-FM: Generative Modeling of Molecular Dynamics via Markov State Models
von: Kapuśniak, Kacper, et al.
Veröffentlicht: (2025)

Understanding the Failure Modes of Out-of-Distribution Generalization
von: Nagarajan, Vaishnavh, et al.
Veröffentlicht: (2020)

A Theoretical Framework for an Efficient Normalizing Flow-Based Solution to the Electronic Schrodinger Equation
von: Freedman, Daniel, et al.
Veröffentlicht: (2024)

Gradient Estimation and Variance Reduction in Stochastic and Deterministic Models
von: Keane, Ronan
Veröffentlicht: (2024)

GradMetaNet: An Equivariant Architecture for Learning on Gradients
von: Gelberg, Yoav, et al.
Veröffentlicht: (2025)

Quantile Activation: Correcting a Failure Mode of ML Models
von: Challa, Aditya, et al.
Veröffentlicht: (2024)

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

Effective Sample Size and Generalization Bounds for Temporal Networks
von: Gahtan, Barak, et al.
Veröffentlicht: (2025)

Stochastic Gradient Langevin Dynamics with Variance Reduction
von: Huang, Zhishen, et al.
Veröffentlicht: (2021)

Bayesian Joint Model of Multi-Sensor and Failure Event Data for Multi-Mode Failure Prediction
von: Fard, Sina Aghaee Dabaghan, et al.
Veröffentlicht: (2025)

E-Scores for (In)Correctness Assessment of Generative Model Outputs
von: Dhillon, Guneet S., et al.
Veröffentlicht: (2025)

Limit Theorems for Stochastic Gradient Descent with Infinite Variance
von: Blanchet, Jose, et al.
Veröffentlicht: (2024)

On Variance Reduction in Learning Mean Flows
von: Lu, Juanwu, et al.
Veröffentlicht: (2026)

Failure Modes of Maximum Entropy RLHF
von: Çağatan, Ömer Veysel, et al.
Veröffentlicht: (2025)

Degradation Modeling and Prognostic Analysis Under Unknown Failure Modes
von: Fu, Ying, et al.
Veröffentlicht: (2024)

SLO-Conditioned Action Routing for Retrieval-Augmented Generation: Objective Ablation and Failure Modes
von: Nunepalli, Bharath
Veröffentlicht: (2025)

Categorical Flow Maps
von: Roos, Daan, et al.
Veröffentlicht: (2026)

From Variance to Veracity: Unbundling and Mitigating Gradient Variance in Differentiable Bundle Adjustment Layers
von: Gurumurthy, Swaminathan, et al.
Veröffentlicht: (2024)

Enhancing the Expressivity of Temporal Graph Networks through Source-Target Identification
von: Tjandra, Benedict Aaron, et al.
Veröffentlicht: (2024)

LLMs can hide text in other text of the same length
von: Norelli, Antonio, et al.
Veröffentlicht: (2025)

VFOG: Variance-Reduced Fast Optimistic Gradient Methods for a Class of Nonmonotone Generalized Equations
von: Tran-Dinh, Quoc, et al.
Veröffentlicht: (2025)

On the Impact of Downstream Tasks on Sampling and Reconstructing Noisy Graph Signals
von: Sripathmanathan, Baskaran, et al.
Veröffentlicht: (2025)

PLUMAGE: Probabilistic Low rank Unbiased Min Variance Gradient Estimator for Efficient Large Model Training
von: Haroush, Matan, et al.
Veröffentlicht: (2025)

Failure Modes for Deep Learning-Based Online Mapping: How to Measure and Address Them
von: Hubbertz, Michael, et al.
Veröffentlicht: (2026)

Minimum Variance Unbiased N:M Sparsity for the Neural Gradients
von: Chmiel, Brian, et al.
Veröffentlicht: (2022)