Copertina

Wasserstein Convergence of Critically Damped Langevin Diffusions

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Strasman, Stanislas, Surendran, Sobihan, Boyer, Claire, Corff, Sylvain Le, Lemaire, Vincent, Ocello, Antonio
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Statistics Theory Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

An analysis of the noise schedule for score-based generative models
di: Strasman, Stanislas, et al.
Pubblicazione: (2024)

On Forgetting and Stability of Score-based Generative models
di: Strasman, Stanislas, et al.
Pubblicazione: (2026)

Theoretical Convergence Guarantees for Variational Autoencoders
di: Surendran, Sobihan, et al.
Pubblicazione: (2024)

Convergence of Multi-Level Markov Chain Monte Carlo Adaptive Stochastic Gradient Algorithms
di: Godichon-Baggioni, Antoine, et al.
Pubblicazione: (2026)

Latent Guided Sampling for Combinatorial Optimization
di: Surendran, Sobihan, et al.
Pubblicazione: (2025)

Non-asymptotic Analysis of Biased Adaptive Stochastic Approximation
di: Surendran, Sobihan, et al.
Pubblicazione: (2024)

Finite-Sample Convergence Bounds for Trust Region Policy Optimization in Mean-Field Games
di: Ocello, Antonio, et al.
Pubblicazione: (2025)

A penalized criterion for selecting the number of clusters for K-medians
di: Godichon-Baggioni, Antoine, et al.
Pubblicazione: (2022)

Convergence of the Inexact Langevin Algorithm in KL Divergence with Application to Score-based Generative Models
di: Yang, Kaylee Yingxi, et al.
Pubblicazione: (2022)

Fast Convergence of $Φ$-Divergence Along the Unadjusted Langevin Algorithm and Proximal Sampler
di: Mitra, Siddharth, et al.
Pubblicazione: (2024)

Convergence of Kinetic Langevin Monte Carlo on Lie groups
di: Kong, Lingkai, et al.
Pubblicazione: (2024)

Physics-informed kernel learning
di: Doumèche, Nathan, et al.
Pubblicazione: (2024)

Random features models: a way to study the success of naive imputation
di: Ayme, Alexis, et al.
Pubblicazione: (2024)

Assessing the Quality of Denoising Diffusion Models in Wasserstein Distance: Noisy Score and Optimal Bounds
di: Arsenyan, Vahan, et al.
Pubblicazione: (2025)

Statistical Convergence of Spherical First Hitting Diffusion Models
di: Bienewald, Simon, et al.
Pubblicazione: (2026)

Linear Convergence of Diffusion Models Under the Manifold Hypothesis
di: Potaptchik, Peter, et al.
Pubblicazione: (2024)

Wasserstein Transfer Learning
di: Zhang, Kaicheng, et al.
Pubblicazione: (2025)

Fast kernel methods: Sobolev, physics-informed, and additive models
di: Doumèche, Nathan, et al.
Pubblicazione: (2025)

Convergence of flow-based generative models via proximal gradient descent in Wasserstein space
di: Cheng, Xiuyuan, et al.
Pubblicazione: (2023)

Convergence of Diffusion Models Under the Manifold Hypothesis in High-Dimensions
di: Azangulov, Iskander, et al.
Pubblicazione: (2024)

Improved Guarantees for Langevin Monte Carlo with Average Smoothness
di: Dalalyan, Arnak S., et al.
Pubblicazione: (2026)

Improved Convergence of Score-Based Diffusion Models via Prediction-Correction
di: Pedrotti, Francesco, et al.
Pubblicazione: (2023)

An Improved Analysis of Langevin Algorithms with Prior Diffusion for Non-Log-Concave Sampling
di: Huang, Xunpeng, et al.
Pubblicazione: (2024)

Wasserstein KL-divergence for Gaussian distributions
di: Datar, Adwait, et al.
Pubblicazione: (2025)

Robust Estimation under the Wasserstein Distance
di: Nietert, Sloan, et al.
Pubblicazione: (2023)

Marginal and training-conditional guarantees in one-shot federated conformal prediction
di: Humbert, Pierre, et al.
Pubblicazione: (2024)

Analysis of Langevin Monte Carlo from Poincaré to Log-Sobolev
di: Chewi, Sinho, et al.
Pubblicazione: (2021)

Concentration of the Langevin Algorithm's Stationary Distribution
di: Altschuler, Jason M., et al.
Pubblicazione: (2022)

On the attainment of the Wasserstein--Cramer--Rao lower bound
di: Nishimori, Hayato, et al.
Pubblicazione: (2025)

Minimax Statistical Estimation under Wasserstein Contamination
di: Chao, Patrick, et al.
Pubblicazione: (2023)

Bounds in Wasserstein Distance for Locally Stationary Processes
di: Tinio, Jan Nino G., et al.
Pubblicazione: (2024)

Towards Faster Non-Asymptotic Convergence for Diffusion-Based Generative Models
di: Li, Gen, et al.
Pubblicazione: (2023)

Dimension-Free Convergence of Discrete Diffusion Models: Adjoint Equations Induce the Right Space
di: Kan, Kelvin, et al.
Pubblicazione: (2026)

Absorb and Converge: Provable Convergence Guarantee for Absorbing Discrete Diffusion Models
di: Liang, Yuchen, et al.
Pubblicazione: (2025)

Robust Alignment via Partial Gromov-Wasserstein Distances
di: Gong, Xiaoyun, et al.
Pubblicazione: (2025)

Information Geometry of Wasserstein Statistics on Shapes and Affine Deformations
di: Amari, Shun-ichi, et al.
Pubblicazione: (2023)

On the Exponential Convergence for Offline RLHF with Pairwise Comparisons
di: Chen, Zhirui, et al.
Pubblicazione: (2024)

Bounds in Wasserstein Distance for Locally Stationary Functional Time Series
di: Tinio, Jan Nino G., et al.
Pubblicazione: (2025)

$L^2$ over Wasserstein: Statistical Analysis for Optimal Transport
di: Passeggeri, Riccardo, et al.
Pubblicazione: (2026)

A Statistical Analysis of Wasserstein Autoencoders for Intrinsically Low-dimensional Data
di: Chakraborty, Saptarshi, et al.
Pubblicazione: (2024)