Copertina

Infinite-dimensional generative diffusions via Doob's h-transform

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Pieper-Sethmacher, Thorben, Paulin, Daniel
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

Guided filtering and smoothing for infinite-dimensional diffusions
di: Pieper-Sethmacher, Thorben, et al.
Pubblicazione: (2025)

Simulation of infinite-dimensional diffusion bridges
di: Pieper-Sethmacher, Thorben, et al.
Pubblicazione: (2025)

Training-Free Adaptation of Diffusion Models via Doob's $h$-Transform
di: Zhu, Qijie, et al.
Pubblicazione: (2026)

DPRM: A Plug-in Doob h transform-induced Token-Ordering Module for Diffusion Language Models
di: Bu, Dake, et al.
Pubblicazione: (2026)

Martingale Neural Operators: Learning Stochastic Marginals via Doob-Meyer Factorization
di: Hidajat, Kai
Pubblicazione: (2026)

On a class of exponential changes of measure for stochastic PDEs
di: Pieper-Sethmacher, Thorben, et al.
Pubblicazione: (2024)

Infinite dimensional generative sensing
di: Angella, Paolo, et al.
Pubblicazione: (2026)

Training-Free Generative Sampling via Moment-Matched Score Smoothing
di: Yao, Zhenyu, et al.
Pubblicazione: (2026)

Infinite-dimensional next-generation reservoir computing
di: Grigoryeva, Lyudmila, et al.
Pubblicazione: (2024)

Infinite-dimensional Diffusion Bridge Simulation via Operator Learning
di: Yang, Gefan, et al.
Pubblicazione: (2024)

Inference-Time Alignment for Diffusion Models via Variationally Stable Doob's Matching
di: Chang, Jinyuan, et al.
Pubblicazione: (2026)

A Nonparametric Discrete Hawkes Model with a Collapsed Gaussian-Process Prior
di: Brisley, Trinnhallen, et al.
Pubblicazione: (2025)

Bayesian Active Learning By Distribution Disagreement
di: Werner, Thorben, et al.
Pubblicazione: (2025)

Correction to "Wasserstein distance estimates for the distributions of numerical approximations to ergodic stochastic differential equations"
di: Paulin, Daniel, et al.
Pubblicazione: (2024)

Doob's Lagrangian: A Sample-Efficient Variational Approach to Transition Path Sampling
di: Du, Yuanqi, et al.
Pubblicazione: (2024)

Losing dimensions: Geometric memorization in generative diffusion
di: Achilli, Beatrice, et al.
Pubblicazione: (2024)

Conditional sampling within generative diffusion models
di: Zhao, Zheng, et al.
Pubblicazione: (2024)

Infinite-dimensional Mahalanobis Distance with Applications to Kernelized Novelty Detection
di: Zozoulenko, Nikita, et al.
Pubblicazione: (2024)

Tabular data generation with tensor contraction layers and transformers
di: Silva, Aníbal, et al.
Pubblicazione: (2024)

Towards Comparable Active Learning
di: Werner, Thorben, et al.
Pubblicazione: (2023)

Optimizing quantum transport via the quantum Doob transform
di: Esteve, Dolores, et al.
Pubblicazione: (2025)

Blind denoising diffusion models and the blessings of dimensionality
di: Kadkhodaie, Zahra, et al.
Pubblicazione: (2026)

Stress and heat flux via automatic differentiation
di: Langer, Marcel F., et al.
Pubblicazione: (2023)

Composing diffusion priors with explicit physical context via generative Gibbs sampling
di: Wang, Weizhou, et al.
Pubblicazione: (2026)

Delayformer: spatiotemporal transformation for predicting high-dimensional dynamics
di: Wang, Zijian, et al.
Pubblicazione: (2025)

Solving Turbulent Rayleigh-Bénard Convection using Fourier Neural Operators
di: Straat, Michiel, et al.
Pubblicazione: (2025)

Koopman-Based Surrogate Modelling of Turbulent Rayleigh-Bénard Convection
di: Markmann, Thorben, et al.
Pubblicazione: (2024)

Sparse RBF Networks for PDEs and nonlocal equations: function space theory, operator calculus, and training algorithms
di: Shao, Zihan, et al.
Pubblicazione: (2026)

Nonuniform random feature models using derivative information
di: Pieper, Konstantin, et al.
Pubblicazione: (2024)

Solving Nonlinear PDEs with Sparse Radial Basis Function Networks
di: Shao, Zihan, et al.
Pubblicazione: (2025)

Synthetic location trajectory generation using categorical diffusion models
di: Dirmeier, Simon, et al.
Pubblicazione: (2024)

The Role of Active Learning in Modern Machine Learning
di: Werner, Thorben, et al.
Pubblicazione: (2025)

Deep generative models as the probability transformation functions
di: Bondar, Vitalii, et al.
Pubblicazione: (2025)

The day-ahead scenario generation method for new energy based on an improved conditional generative diffusion model
di: Wang, Changgang, et al.
Pubblicazione: (2025)

An overview of diffusion models for generative artificial intelligence
di: Gallon, Davide, et al.
Pubblicazione: (2024)

Variational diffusion transformers for conditional sampling of supernovae spectra
di: Shen, Yunyi, et al.
Pubblicazione: (2025)

Manifolds, Random Matrices and Spectral Gaps: The geometric phases of generative diffusion
di: Ventura, Enrico, et al.
Pubblicazione: (2024)

On gauge freedom, conservativity and intrinsic dimensionality estimation in diffusion models
di: Horvat, Christian, et al.
Pubblicazione: (2024)

Low-dimensional adaptation of diffusion models: Convergence in total variation
di: Liang, Jiadong, et al.
Pubblicazione: (2025)

A Cross-Domain Benchmark for Active Learning
di: Werner, Thorben, et al.
Pubblicazione: (2024)