Buchumschlag

Can Microcanonical Langevin Dynamics Leverage Mini-Batch Gradient Noise?

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Sommer, Emanuel, Diao, Kangning, Robnik, Jakob, Seljak, Uros, Rügamer, David
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

Microcanonical Langevin Ensembles: Advancing the Sampling of Bayesian Neural Networks
von: Sommer, Emanuel, et al.
Veröffentlicht: (2025)

Fluctuation without dissipation: Microcanonical Langevin Monte Carlo
von: Robnik, Jakob, et al.
Veröffentlicht: (2023)

Metropolis Adjusted Microcanonical Hamiltonian Monte Carlo
von: Robnik, Jakob, et al.
Veröffentlicht: (2025)

Microcanonical Hamiltonian Monte Carlo
von: Robnik, Jakob, et al.
Veröffentlicht: (2022)

Radiological mapping and uncertainty quantification by a fast Microcanonical Langevin Monte Carlo sampler
von: Pan, Lei, et al.
Veröffentlicht: (2026)

Faster parallel MCMC: Metropolis adjustment is best served warm
von: Robnik, Jakob, et al.
Veröffentlicht: (2026)

Reassessment of Kepler's habitable zone Earth-like exoplanets with data-driven null-signal templates
von: Robnik, Jakob, et al.
Veröffentlicht: (2025)

Position: The Time for Sampling Is Now! Charting a New Course for Bayesian Deep Learning
von: Sommer, Emanuel, et al.
Veröffentlicht: (2026)

Persistent Sampling: Enhancing the Efficiency of Sequential Monte Carlo
von: Karamanis, Minas, et al.
Veröffentlicht: (2024)

Detecting Modeling Bias with Continuous Time Flow Models on Weak Lensing Maps
von: Diao, Kangning, et al.
Veröffentlicht: (2025)

bde: A Python Package for Bayesian Deep Ensembles via MILE
von: Arvanitis, Vyron, et al.
Veröffentlicht: (2026)

Black-box unadjusted Hamiltonian Monte Carlo
von: Robnik, Jakob, et al.
Veröffentlicht: (2024)

Multiscale Flow for Robust and Optimal Cosmological Analysis
von: Dai, Biwei, et al.
Veröffentlicht: (2023)

Towards E-Value Based Stopping Rules for Bayesian Deep Ensembles
von: Sommer, Emanuel, et al.
Veröffentlicht: (2026)

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

Mean-Field Microcanonical Gradient Descent
von: Häggbom, Marcus, et al.
Veröffentlicht: (2024)

On the Interplay of Priors and Overparametrization in Bayesian Neural Network Posteriors
von: Kobialka, Julius, et al.
Veröffentlicht: (2026)

Sequential Kalman Tuning of the $t$-preconditioned Crank-Nicolson algorithm: efficient, adaptive and gradient-free inference for Bayesian inverse problems
von: Grumitt, Richard D. P., et al.
Veröffentlicht: (2024)

Paths and Ambient Spaces in Neural Loss Landscapes
von: Dold, Daniel, et al.
Veröffentlicht: (2025)

Exoplanet transit search at the detection limit: detection and false alarm vetting pipeline
von: Robnik, Jakob, et al.
Veröffentlicht: (2026)

Connecting the Dots: Is Mode-Connectedness the Key to Feasible Sample-Based Inference in Bayesian Neural Networks?
von: Sommer, Emanuel, et al.
Veröffentlicht: (2024)

The Effect of Mini-Batch Noise on the Implicit Bias of Adam
von: Cattaneo, Matias D., et al.
Veröffentlicht: (2026)

Scalable Higher-Order Tensor Product Spline Models
von: Rügamer, David
Veröffentlicht: (2024)

Initial Conditions from Galaxies: Machine-Learning Subgrid Correction to Standard Reconstruction
von: Parker, Liam, et al.
Veröffentlicht: (2025)

Optimizing Predictive AI in Physical Design Flows with Mini Pixel Batch Gradient Descent
von: Yang, Haoyu, et al.
Veröffentlicht: (2024)

On the Epistemic Uncertainty of Overparametrized Neural Networks
von: Rügamer, David
Veröffentlicht: (2026)

Decentralized Proximal Stochastic Gradient Langevin Dynamics
von: Islam, Mohammad Rafiqul, et al.
Veröffentlicht: (2026)

Stochastic Gradient Langevin Dynamics with Variance Reduction
von: Huang, Zhishen, et al.
Veröffentlicht: (2021)

Debiasing Mini-Batch Quadratics for Applications in Deep Learning
von: Tatzel, Lukas, et al.
Veröffentlicht: (2024)

Can Transformers Learn Full Bayesian Inference in Context?
von: Reuter, Arik, et al.
Veröffentlicht: (2025)

Rethinking Intrinsic Dimension Estimation in Neural Representations
von: Schulte, Rickmer, et al.
Veröffentlicht: (2026)

Additive Model Boosting: New Insights and Path(ologie)s
von: Schulte, Rickmer, et al.
Veröffentlicht: (2025)

Flatness-Aware Stochastic Gradient Langevin Dynamics
von: Bruno, Stefano, et al.
Veröffentlicht: (2025)

Perfect Parallelization in Mini-Batch SGD with Classical Momentum Acceleration
von: Garg, Sachin, et al.
Veröffentlicht: (2026)

Adaptive Stepsizing for Stochastic Gradient Langevin Dynamics in Bayesian Neural Networks
von: Rajpal, Rajit, et al.
Veröffentlicht: (2025)

Mini-Batch Kernel $k$-means
von: Jourdan, Ben, et al.
Veröffentlicht: (2024)

Mini-Batch Class Composition Bias in Link Prediction
von: Maguire, Kieran, et al.
Veröffentlicht: (2026)

Convergence of Stochastic Gradient Langevin Dynamics in the Lazy Training Regime
von: Oberweis, Noah, et al.
Veröffentlicht: (2025)

Scalable Stochastic Gradient Riemannian Langevin Dynamics in Non-Diagonal Metrics
von: Yu, Hanlin, et al.
Veröffentlicht: (2023)

Enhanced SMC$^2$: Leveraging Gradient Information from Differentiable Particle Filters Within Langevin Proposals
von: Rosato, Conor, et al.
Veröffentlicht: (2024)