Buchumschlag

Flow Perturbation++: Multi-Step Unbiased Jacobian Estimation for High-Dimensional Boltzmann Sampling

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Peng, Xin, Gao, Ang
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Flow Perturbation to Accelerate Unbiased Sampling of Boltzmann distribution
von: Peng, Xin, et al.
Veröffentlicht: (2024)

Efficient and Unbiased Sampling of Boltzmann Distributions via Consistency Models
von: Zhang, Fengzhe, et al.
Veröffentlicht: (2024)

Flow Matching with Arbitrary Auxiliary Paths
von: Peng, Xin, et al.
Veröffentlicht: (2026)

Unbiased Approximate Vector-Jacobian Products for Efficient Backpropagation
von: Bakong, Killian, et al.
Veröffentlicht: (2026)

Efficient and Unbiased Sampling from Boltzmann Distributions via Variance-Tuned Diffusion Models
von: Zhang, Fengzhe, et al.
Veröffentlicht: (2025)

Rethinking Refinement: Correcting Generative Bias without Noise Injection
von: Peng, Xin, et al.
Veröffentlicht: (2026)

Annealing Flow Generative Models Towards Sampling High-Dimensional and Multi-Modal Distributions
von: Wu, Dongze, et al.
Veröffentlicht: (2024)

Iterated Energy-based Flow Matching for Sampling from Boltzmann Densities
von: Woo, Dongyeop, et al.
Veröffentlicht: (2024)

Energy-Weighted Flow Matching: Unlocking Continuous Normalizing Flows for Efficient and Scalable Boltzmann Sampling
von: Dern, Niclas, et al.
Veröffentlicht: (2025)

Unbiased Stochastic Optimization for Gaussian Processes on Finite Dimensional RKHS
von: Shoham, Neta, et al.
Veröffentlicht: (2025)

Hierarchic Flows to Estimate and Sample High-dimensional Probabilities
von: Lempereur, Etienne, et al.
Veröffentlicht: (2024)

One-Step Sampler for Boltzmann Distributions via Drifting
von: Cao, Wenhan, et al.
Veröffentlicht: (2026)

Stochastic Dimension-Free Zeroth-Order Estimator for High-Dimensional and High-Order PINNs
von: Liang, Zhangyong, et al.
Veröffentlicht: (2026)

Machine Learning-Assisted High-Dimensional Matrix Estimation
von: Tian, Wan, et al.
Veröffentlicht: (2026)

Learning Unbiased Permutations via Flow Matching
von: Min, Yimeng, et al.
Veröffentlicht: (2026)

Cost-Sensitive Unbiased Risk Estimation for Multi-Class Positive-Unlabeled Learning
von: Zhang, Miao, et al.
Veröffentlicht: (2025)

Truncated Rectified Flow Policy for Reinforcement Learning with One-Step Sampling
von: Zhou, Xubin, et al.
Veröffentlicht: (2026)

Semantic Step Prediction: Multi-Step Latent Forecasting in LLM Reasoning Trajectories via Step Sampling
von: Yuan, Yidi
Veröffentlicht: (2026)

Enhanced Federated Optimization: Adaptive Unbiased Client Sampling with Reduced Variance
von: Zeng, Dun, et al.
Veröffentlicht: (2023)

OEUVRE: OnlinE Unbiased Variance-Reduced loss Estimation
von: Pardeshi, Kanad, et al.
Veröffentlicht: (2025)

End-to-End Training of High-Dimensional Optimal Control with Implicit Hamiltonians via Jacobian-Free Backpropagation
von: Gelphman, Eric, et al.
Veröffentlicht: (2025)

Unbiased and Second-Order-Free Training for High-Dimensional PDEs
von: Seo, Jaemin, et al.
Veröffentlicht: (2026)

EARL-BO: Reinforcement Learning for Multi-Step Lookahead, High-Dimensional Bayesian Optimization
von: Cheon, Mujin, et al.
Veröffentlicht: (2024)

Metric Design != Metric Behavior: Improving Metric Selection for the Unbiased Evaluation of Dimensionality Reduction
von: Bae, Jiyeon, et al.
Veröffentlicht: (2025)

Privacy-Accuracy Trade-offs in High-Dimensional LASSO under Perturbation Mechanisms
von: Sakata, Ayaka, et al.
Veröffentlicht: (2026)

Asymptotic Unbiased Sample Sampling to Speed Up Sharpness-Aware Minimization
von: Deng, Jiaxin, et al.
Veröffentlicht: (2024)

Adversarially robust generalization theory via Jacobian regularization for deep neural networks
von: Wu, Dongya, et al.
Veröffentlicht: (2024)

Causality--Δ: Jacobian-Based Dependency Analysis in Flow Matching Models
von: Rezvan, Reza, et al.
Veröffentlicht: (2026)

An Unbiased Risk Estimator for Partial Label Learning with Augmented Classes
von: Hu, Jiayu, et al.
Veröffentlicht: (2024)

Jacobian Descent for Multi-Objective Optimization
von: Quinton, Pierre, et al.
Veröffentlicht: (2024)

A Unified Framework for Data-Free One-Step Sampling via Wasserstein Gradient Flows
von: Wang, Chenguang, et al.
Veröffentlicht: (2026)

Estimating Dimensionality of Neural Representations from Finite Samples
von: Chun, Chanwoo, et al.
Veröffentlicht: (2025)

Iterated Denoising Energy Matching for Sampling from Boltzmann Densities
von: Akhound-Sadegh, Tara, et al.
Veröffentlicht: (2024)

Scalable Equilibrium Sampling with Sequential Boltzmann Generators
von: Tan, Charlie B., et al.
Veröffentlicht: (2025)

On the Sample Complexity of Quantum Boltzmann Machine Learning
von: Coopmans, Luuk, et al.
Veröffentlicht: (2023)

Towards Efficient Disaster Response via Cost-effective Unbiased Class Rate Estimation through Neyman Allocation Stratified Sampling Active Learning
von: Bai, Yanbing, et al.
Veröffentlicht: (2024)

High-Dimensional Bayesian Optimization via Semi-Supervised Learning with Optimized Unlabeled Data Sampling
von: Yin, Yuxuan, et al.
Veröffentlicht: (2023)

Unbiased Estimating Equation on Inverse Divergence and Its Conditions
von: Kobayashi, Masahiro, et al.
Veröffentlicht: (2024)

Tyche: One Step Flow for Efficient Probabilistic Weather Forecasting
von: Xu, Fan, et al.
Veröffentlicht: (2026)

Jacobian-Enhanced Neural Networks
von: Berguin, Steven H.
Veröffentlicht: (2024)