Copertina

Importance Weighted Variational Inference without the Reparameterization Trick

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Daudel, Kamélia, Tran, Minh-Ngoc, Zhang, Cheng
Natura:	Preprint
Pubblicazione:	2026
Soggetti:	Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Learning with Importance Weighted Variational Inference
di: Daudel, Kamélia, et al.
Pubblicazione: (2024)

Bures-Wasserstein Importance-Weighted Evidence Lower Bound: Exposition and Applications
di: Jiang, Peiwen, et al.
Pubblicazione: (2026)

Stein's Lemma for the Reparameterization Trick with Exponential Family Mixtures
di: Lin, Wu, et al.
Pubblicazione: (2019)

DiVeQ: Differentiable Vector Quantization Using the Reparameterization Trick
di: Vali, Mohammad Hassan, et al.
Pubblicazione: (2025)

End-to-End Training for Back-Translation with Categorical Reparameterization Trick
di: Heo, DongNyeong, et al.
Pubblicazione: (2022)

Wasserstein Gaussianization and Efficient Variational Bayes for Robust Bayesian Synthetic Likelihood
di: Nguyen, Nhat-Minh, et al.
Pubblicazione: (2023)

Revisiting Prefix-tuning: Statistical Benefits of Reparameterization among Prompts
di: Le, Minh, et al.
Pubblicazione: (2024)

Reparameterization through Coverings and Topological Weight Priors
di: Beketov, Maxim, et al.
Pubblicazione: (2026)

Signals, Concepts, and Laws: Toward Universal, Explainable Time-Series Forecasting
di: Ma, Hongwei, et al.
Pubblicazione: (2025)

PREIG: Physics-informed and Reinforcement-driven Interpretable GRU for Commodity Demand Forecasting
di: Ma, Hongwei, et al.
Pubblicazione: (2025)

Kernel Semi-Implicit Variational Inference
di: Cheng, Ziheng, et al.
Pubblicazione: (2024)

Inversion-Free Natural Gradient Descent on Riemannian Manifolds
di: Draca, Dario, et al.
Pubblicazione: (2026)

RepLoRA: Reparameterizing Low-Rank Adaptation via the Perspective of Mixture of Experts
di: Truong, Tuan, et al.
Pubblicazione: (2025)

Theoretical Analysis of Sparse Optimization with Reparameterization, Weight Decay, and Adaptive Learning Rate
di: Xu, Huangyu, et al.
Pubblicazione: (2026)

A Kernel Approach for Semi-implicit Variational Inference
di: Yu, Longlin, et al.
Pubblicazione: (2026)

LOCO Feature Importance Inference without Data Splitting via Minipatch Ensembles
di: Gan, Luqin, et al.
Pubblicazione: (2022)

A Variational Approach to Bayesian Phylogenetic Inference
di: Zhang, Cheng, et al.
Pubblicazione: (2022)

Inference-Time Scaling of Discrete Diffusion Models via Importance Weighting and Optimal Proposal Design
di: Ou, Zijing, et al.
Pubblicazione: (2025)

Frankenstein Optimizer: Harnessing the Potential by Revisiting Optimization Tricks
di: Hsu, Chia-Wei, et al.
Pubblicazione: (2025)

Categorical Reparameterization with Denoising Diffusion models
di: Gourevitch, Samson, et al.
Pubblicazione: (2026)

Reparameterization invariance in approximate Bayesian inference
di: Roy, Hrittik, et al.
Pubblicazione: (2024)

Double Variance Reduction: A Smoothing Trick for Composite Optimization Problems without First-Order Gradient
di: Di, Hao, et al.
Pubblicazione: (2024)

Adaptive multi-gradient methods for quasiconvex vector optimization and applications to multi-task learning
di: Minh, Nguyen Anh, et al.
Pubblicazione: (2024)

Loss-based Bayesian Sequential Prediction of Value at Risk with a Long-Memory and Non-linear Realized Volatility Model
di: Peiris, Rangika, et al.
Pubblicazione: (2024)

Reparameterization Flow Policy Optimization
di: Zhong, Hai, et al.
Pubblicazione: (2026)

Reparameterization Proximal Policy Optimization
di: Zhong, Hai, et al.
Pubblicazione: (2025)

Mitigating Reward Over-optimization in Direct Alignment Algorithms with Importance Sampling
di: Nguyen, Phuc Minh, et al.
Pubblicazione: (2025)

MCNC: Manifold-Constrained Reparameterization for Neural Compression
di: Thrash, Chayne, et al.
Pubblicazione: (2024)

Extending Kernel Trick to Influence Functions
di: Sun, Zhenhuan, et al.
Pubblicazione: (2026)

ReMAP: Neural Reparameterization for Scalable MAP Inference in Arbitrary-Order Markov Random Fields
di: Wang, Yaomin, et al.
Pubblicazione: (2024)

Improving Generalization with Flat Hilbert Bayesian Inference
di: Truong, Tuan, et al.
Pubblicazione: (2024)

PRE: Vision-Language Prompt Learning with Reparameterization Encoder
di: Pham, Thi Minh Anh, et al.
Pubblicazione: (2023)

GauS: Differentiable Scheduling Optimization via Gaussian Reparameterization
di: Cai, Yaohui, et al.
Pubblicazione: (2026)

Never Saddle for Reparameterized Steepest Descent as Mirror Flow
di: Jacobs, Tom, et al.
Pubblicazione: (2026)

Learning Intractable Multimodal Policies with Reparameterization and Diversity Regularization
di: Wang, Ziqi, et al.
Pubblicazione: (2025)

Enhancing Hypergradients Estimation: A Study of Preconditioning and Reparameterization
di: Ye, Zhenzhang, et al.
Pubblicazione: (2024)

Performative Prediction with Bandit Feedback: Learning through Reparameterization
di: Chen, Yatong, et al.
Pubblicazione: (2023)

Improving Graph Neural Networks on Multi-node Tasks with the Labeling Trick
di: Wang, Xiyuan, et al.
Pubblicazione: (2023)

Bag of Tricks to Boost Adversarial Transferability
di: Zhang, Zeliang, et al.
Pubblicazione: (2024)

Importance Weighted Score Matching for Diffusion Samplers with Enhanced Mode Coverage
di: Wang, Chenguang, et al.
Pubblicazione: (2025)