Buchumschlag

Discovering Data Manifold Geometry via Non-Contracting Flows

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Vigouroux, David, Drumetz, Lucas, Fablet, Ronan, Rousseau, François
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Static and auto-regressive neural emulation of phytoplankton biomass dynamics from physical predictors in the global ocean
von: Lakra, Mahima, et al.
Veröffentlicht: (2026)

Sliced-Wasserstein Distances and Flows on Cartan-Hadamard Manifolds
von: Bonet, Clément, et al.
Veröffentlicht: (2024)

TrAISformer -- A Transformer Network with Sparse Augmented Data Representation and Cross Entropy Loss for AIS-based Vessel Trajectory Prediction
von: Nguyen, Duong, et al.
Veröffentlicht: (2021)

HH-SAE: Discovering and Steering Hierarchical Knowledge of Complex Manifolds
von: Wu, Honghan, et al.
Veröffentlicht: (2026)

Neural Incremental Data Assimilation
von: Blanke, Matthieu, et al.
Veröffentlicht: (2024)

The Geometry of Grokking: Norm Minimization on the Zero-Loss Manifold
von: Musat, Tiberiu
Veröffentlicht: (2025)

Geometric Flow Matching for Molecular Conformation Generation via Manifold Decomposition
von: Liu, Yunqing, et al.
Veröffentlicht: (2026)

Pullback Flow Matching on Data Manifolds
von: de Kruiff, Friso, et al.
Veröffentlicht: (2024)

FlowPath: Learning Data-Driven Manifolds with Invertible Flows for Robust Irregularly-sampled Time Series Classification
von: Oh, YongKyung, et al.
Veröffentlicht: (2025)

Follow the Energy, Find the Path: Riemannian Metrics from Energy-Based Models
von: Béthune, Louis, et al.
Veröffentlicht: (2025)

Flow Matching on General Geometries
von: Chen, Ricky T. Q., et al.
Veröffentlicht: (2023)

GeoIB: Geometry-Aware Information Bottleneck via Statistical-Manifold Compression
von: Wang, Weiqi, et al.
Veröffentlicht: (2026)

Discovering environments with XRM
von: Pezeshki, Mohammad, et al.
Veröffentlicht: (2023)

Towards impactful challenges: post-challenge paper, benchmarks and other dissemination actions
von: Marot, Antoine, et al.
Veröffentlicht: (2023)

Discovering Mathematical Formulas from Data via GPT-guided Monte Carlo Tree Search
von: Li, Yanjie, et al.
Veröffentlicht: (2024)

Multi-Path Long-Term Vessel Trajectories Forecasting with Probabilistic Feature Fusion for Problem Shifting
von: Spadon, Gabriel, et al.
Veröffentlicht: (2023)

Discovering Behavioral Predispositions in Data to Improve Human Activity Recognition
von: Popko, Maximilian, et al.
Veröffentlicht: (2022)

Discovering Association Rules in High-Dimensional Small Tabular Data
von: Karabulut, Erkan, et al.
Veröffentlicht: (2025)

MENDR: Manifold Explainable Neural Data Representations
von: Chen, Matthew, et al.
Veröffentlicht: (2025)

Explanova: Automatically Discover Data Insights in N \times M Table via XAI Combined LLM Workflow
von: Huang, Yiming
Veröffentlicht: (2026)

Neural ocean forecasting from sparse satellite-derived observations: a case-study for SSH dynamics and altimetry data
von: Botvynko, Daria, et al.
Veröffentlicht: (2025)

Predict Training Data Quality via Its Geometry in Metric Space
von: Ba, Yang, et al.
Veröffentlicht: (2025)

Test-time Adaptation of Tiny Recursive Models
von: McGovern, Ronan Killian
Veröffentlicht: (2025)

Crafting Imperceptible On-Manifold Adversarial Attacks for Tabular Data
von: He, Zhipeng, et al.
Veröffentlicht: (2025)

Seeing Unseen: Discover Novel Biomedical Concepts via Geometry-Constrained Probabilistic Modeling
von: Fan, Jianan, et al.
Veröffentlicht: (2024)

Flow-Direct: Feedback-Efficient and Reusable Guidance for Flow Models via Non-Parametric Guidance Field
von: Tan, Kim Yong, et al.
Veröffentlicht: (2026)

Partial Parameter Updates for Efficient Distributed Training
von: Filippova, Anastasiia, et al.
Veröffentlicht: (2025)

Learning a Generic Value-Selection Heuristic Inside a Constraint Programming Solver
von: Marty, Tom, et al.
Veröffentlicht: (2023)

Diffusion Models and the Manifold Hypothesis: Log-Domain Smoothing is Geometry Adaptive
von: Farghly, Tyler, et al.
Veröffentlicht: (2025)

BOAD: Discovering Hierarchical Software Engineering Agents via Bandit Optimization
von: Xu, Iris, et al.
Veröffentlicht: (2025)

A VAE Approach to Sample Multivariate Extremes
von: Lafon, Nicolas, et al.
Veröffentlicht: (2023)

Probe-Based Data Attribution: Discovering and Mitigating Undesirable Behaviors in LLM Post-Training
von: Xiao, Frank, et al.
Veröffentlicht: (2026)

CINDI: Conditional Imputation and Noisy Data Integrity with Flows in Power Grid Data
von: Baumgartner, David, et al.
Veröffentlicht: (2026)

Learning to Discover at Test Time
von: Yuksekgonul, Mert, et al.
Veröffentlicht: (2026)

Preventing Model Collapse via Contraction-Conditioned Neural Filters
von: Han, Zongjian, et al.
Veröffentlicht: (2025)

Manifold Sampling via Entropy Maximization
von: Braun, Cornelius V., et al.
Veröffentlicht: (2026)

Discovering Hidden Algebraic Structures via Transformers with Rank-Aware Beam GRPO
von: Lee, Jaeha, et al.
Veröffentlicht: (2025)

Generative Urban Flow Modeling: From Geometry to Airflow with Graph Diffusion
von: Giral, Francisco, et al.
Veröffentlicht: (2025)

Local Manifold Approximation and Projection for Manifold-Aware Diffusion Planning
von: Lee, Kyowoon, et al.
Veröffentlicht: (2025)

Deep Manifold Part 1: Anatomy of Neural Network Manifold
von: Ma, Max Y., et al.
Veröffentlicht: (2024)