Buchumschlag

Fast Riemannian-manifold Hamiltonian Monte Carlo for hierarchical Gaussian-process models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Hayakawa, Takashi, Asai, Satoshi
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Computation
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Debiased maximum-likelihood estimators for hazard ratios under kernel-based machine-learning adjustment
von: Hayakawa, Takashi, et al.
Veröffentlicht: (2025)

Counterdiabatic Hamiltonian Monte Carlo
von: Cohn-Gordon, Reuben, et al.
Veröffentlicht: (2026)

Multi-fidelity Hamiltonian Monte Carlo
von: Patel, Dhruv V., et al.
Veröffentlicht: (2024)

Bayesian Federated Learning with Hamiltonian Monte Carlo: Algorithm and Theory
von: Liang, Jiajun, et al.
Veröffentlicht: (2024)

ATLAS: Adapting Trajectory Lengths and Step-Size for Hamiltonian Monte Carlo
von: Modi, Chirag
Veröffentlicht: (2024)

Refined Gradient-Based Temperature Optimization for the Replica-Exchange Monte-Carlo Method
von: Miyata, Tatsuya, et al.
Veröffentlicht: (2026)

Numerical Generalized Randomized Hamiltonian Monte Carlo for piecewise smooth target densities
von: Tran, Jimmy Huy, et al.
Veröffentlicht: (2025)

Repelling-Attracting Hamiltonian Monte Carlo
von: Vishwanath, Siddharth, et al.
Veröffentlicht: (2024)

GIST: Gibbs self-tuning for locally adaptive Hamiltonian Monte Carlo
von: Bou-Rabee, Nawaf, et al.
Veröffentlicht: (2024)

Self-Tuning Hamiltonian Monte Carlo for Accelerated Sampling
von: Christiansen, Henrik, et al.
Veröffentlicht: (2023)

When does Metropolized Hamiltonian Monte Carlo provably outperform Metropolis-adjusted Langevin algorithm?
von: Chen, Yuansi, et al.
Veröffentlicht: (2023)

Sampling from high-dimensional, multimodal distributions using automatically tuned, tempered Hamiltonian Monte Carlo
von: Park, Joonha
Veröffentlicht: (2021)

Convex-Geometric Error Bounds for Positive-Weight Kernel Quadrature
von: Hayakawa, Satoshi
Veröffentlicht: (2026)

On the convergence of dynamic implementations of Hamiltonian Monte Carlo and No U-Turn Samplers
von: Durmus, Alain, et al.
Veröffentlicht: (2023)

Nonasymptotic analysis of Stochastic Gradient Hamiltonian Monte Carlo under local conditions for nonconvex optimization
von: Akyildiz, Ömer Deniz, et al.
Veröffentlicht: (2020)

Low-rank Bayesian matrix completion via geodesic Hamiltonian Monte Carlo on Stiefel manifolds
von: Cui, Tiangang, et al.
Veröffentlicht: (2024)

Elements of Sequential Monte Carlo
von: Naesseth, Christian A., et al.
Veröffentlicht: (2019)

Rolled Gaussian process models for curves on manifolds
von: Preston, Simon, et al.
Veröffentlicht: (2025)

Sampling from multi-modal distributions on Riemannian manifolds with training-free stochastic interpolants
von: Durmus, Alain, et al.
Veröffentlicht: (2026)

Inferring manifolds using Gaussian processes
von: Dunson, David B, et al.
Veröffentlicht: (2021)

Coreset Markov Chain Monte Carlo
von: Chen, Naitong, et al.
Veröffentlicht: (2023)

Resonances in reflective Hamiltonian Monte Carlo
von: Kroupa, Namu, et al.
Veröffentlicht: (2025)

Last Layer Hamiltonian Monte Carlo
von: Vellenga, Koen, et al.
Veröffentlicht: (2025)

Tail-Sensitive KL and Rényi Convergence of Unadjusted Hamiltonian Monte Carlo via One-Shot Couplings
von: Bou-Rabee, Nawaf, et al.
Veröffentlicht: (2026)

Hamiltonian Monte Carlo on ReLU Neural Networks is Inefficient
von: Dinh, Vu C., et al.
Veröffentlicht: (2024)

Scalable mixed-domain Gaussian process modeling and model reduction for longitudinal data
von: Timonen, Juho, et al.
Veröffentlicht: (2021)

Bayesian computation with generative diffusion models by Multilevel Monte Carlo
von: Haji-Ali, Abdul-Lateef, et al.
Veröffentlicht: (2024)

Hamiltonian Monte Carlo with Asymmetrical Momentum Distributions
von: Ghosh, Soumyadip, et al.
Veröffentlicht: (2021)

Intrinsic effective sample size for manifold-valued Markov chain Monte Carlo via kernel discrepancy
von: You, Kisung
Veröffentlicht: (2026)

Policy Gradient with Kernel Quadrature
von: Hayakawa, Satoshi, et al.
Veröffentlicht: (2023)

Kinetic Interacting Particle Langevin Monte Carlo
von: Oliva, Paul Felix Valsecchi, et al.
Veröffentlicht: (2024)

Combining Normalizing Flows and Quasi-Monte Carlo
von: Andral, Charly
Veröffentlicht: (2024)

A hierarchical entropy method for the delocalization of bias in high-dimensional Langevin Monte Carlo
von: Lacker, Daniel, et al.
Veröffentlicht: (2025)

Diffusion-HMC: Parameter Inference with Diffusion-model-driven Hamiltonian Monte Carlo
von: Mudur, Nayantara, et al.
Veröffentlicht: (2024)

Scalable Monte Carlo for Bayesian Learning
von: Fearnhead, Paul, et al.
Veröffentlicht: (2024)

Stereographic Markov Chain Monte Carlo
von: Yang, Jun, et al.
Veröffentlicht: (2022)

Accelerating Hamiltonian Monte Carlo for Bayesian Inference in Neural Networks and Neural Operators
von: Thiagarajan, Ponkrshnan, et al.
Veröffentlicht: (2025)

Outlier Synthesis via Hamiltonian Monte Carlo for Out-of-Distribution Detection
von: Li, Hengzhuang, et al.
Veröffentlicht: (2025)

Hamiltonian Monte Carlo Inference of Marginalized Linear Mixed-Effects Models
von: Lai, Jinlin, et al.
Veröffentlicht: (2024)

Transport Quasi-Monte Carlo
von: Liu, Sifan
Veröffentlicht: (2024)