Copertina

External Division of Two Bregman Proximity Operators for Poisson Inverse Problems

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Haishima, Kazuki, Suzuki, Kyohei, Slavakis, Konstantinos
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

Nonconvex Regularization for Feature Selection in Reinforcement Learning
di: Suzuki, Kyohei, et al.
Pubblicazione: (2025)

Gaussian-Mixture-Model Q-Functions for Reinforcement Learning by Riemannian Optimization
di: Vu, Minh, et al.
Pubblicazione: (2024)

Gaussian-Mixture-Model Q-Functions for Policy Iteration in Reinforcement Learning
di: Vu, Minh, et al.
Pubblicazione: (2025)

Robust Invariant Representation Learning by Distribution Extrapolation
di: Yoshida, Kotaro, et al.
Pubblicazione: (2025)

Nonparametric Bellman Mappings for Value Iteration in Distributed Reinforcement Learning
di: Akiyama, Yuki, et al.
Pubblicazione: (2025)

Online reinforcement learning via sparse Gaussian mixture model Q-functions
di: Vu, Minh, et al.
Pubblicazione: (2025)

Multilinear Kernel Regression and Imputation via Manifold Learning
di: Nguyen, Duc Thien, et al.
Pubblicazione: (2024)

Nonparametric Bellman Mappings for Reinforcement Learning: Application to Robust Adaptive Filtering
di: Akiyama, Yuki, et al.
Pubblicazione: (2024)

Imputation of Time-varying Edge Flows in Graphs by Multilinear Kernel Regression and Manifold Learning
di: Nguyen, Duc Thien, et al.
Pubblicazione: (2024)

Hypothesis Testing in Imaging Inverse Problems
di: Xi, Yiming, et al.
Pubblicazione: (2025)

Spurious Stationarity and Hardness Results for Bregman Proximal-Type Algorithms
di: Chen, He, et al.
Pubblicazione: (2024)

Robust Non-negative Proximal Gradient Algorithm for Inverse Problems
di: Wang, Hanzhang, et al.
Pubblicazione: (2025)

Kernel Regression of Multi-Way Data via Tensor Trains with Hadamard Overparametrization: The Dynamic Graph Flow Case
di: Nguyen, Duc Thien, et al.
Pubblicazione: (2025)

Proximal-Based Generative Modeling for Bayesian Inverse Problems
di: Zhang, Boyang, et al.
Pubblicazione: (2026)

Nonconvex Stochastic Bregman Proximal Gradient Method with Application to Deep Learning
di: Ding, Kuangyu, et al.
Pubblicazione: (2023)

Learning Generalizable Neural Operators for Inverse Problems
di: Thorpe, Adam J., et al.
Pubblicazione: (2025)

Model-Free Adversarial Purification via Coarse-To-Fine Tensor Network Representation
di: Lin, Guang, et al.
Pubblicazione: (2025)

What's in a Prior? Learned Proximal Networks for Inverse Problems
di: Fang, Zhenghan, et al.
Pubblicazione: (2023)

Neural Integral Operators for Inverse Problems: An Operator-Learning Framework for Small-Sample Spectroscopic Classification
di: Zappala, Emanuele, et al.
Pubblicazione: (2025)

Invertible Fourier Neural Operators for Tackling Both Forward and Inverse Problems
di: Long, Da, et al.
Pubblicazione: (2024)

Latent Neural Operator for Solving Forward and Inverse PDE Problems
di: Wang, Tian, et al.
Pubblicazione: (2024)

Symplectic Bregman divergences
di: Nielsen, Frank
Pubblicazione: (2024)

FlowLPS: Langevin-Proximal Sampling for Flow-based Inverse Problem Solvers
di: Park, Jonghyun, et al.
Pubblicazione: (2025)

Bregman geometry-aware split Gibbs sampling for Bayesian Poisson inverse problems
di: Faye, Elhadji Cisse, et al.
Pubblicazione: (2025)

SILO: Solving Inverse Problems with Latent Operators
di: Raphaeli, Ron, et al.
Pubblicazione: (2025)

Neumann Series-based Neural Operator for Solving Inverse Medium Problem
di: Liu, Ziyang, et al.
Pubblicazione: (2024)

Flow Matching from Viewpoint of Proximal Operators
di: Fukumizu, Kenji, et al.
Pubblicazione: (2026)

Proximal-IMH: Proximal Posterior Proposals for Independent Metropolis-Hastings with Approximate Operators
di: Chen, Youguang, et al.
Pubblicazione: (2026)

Convolution Operator Network for Forward and Inverse Problems (FI-Conv): Application to Plasma Turbulence Simulations
di: Chen, Xingzhuo, et al.
Pubblicazione: (2026)

Efficient Bayesian Computation Using Plug-and-Play Priors for Poisson Inverse Problems
di: Klatzer, Teresa, et al.
Pubblicazione: (2025)

Latent-IMH: Efficient Bayesian Inference for Inverse Problems with Approximate Operators
di: Chen, Youguang, et al.
Pubblicazione: (2026)

Rethinking Bregman Divergences in Kronecker-Factored Optimizers
di: Liu, Bing, et al.
Pubblicazione: (2026)

Stream separation improves Bregman conditioning in transformers
di: Kerce, James Clayton
Pubblicazione: (2026)

Proximal Operators of Sorted Nonconvex Penalties
di: Gagneux, Anne, et al.
Pubblicazione: (2025)

A Proximal Operator for Inducing 2:4-Sparsity
di: Kübler, Jonas M, et al.
Pubblicazione: (2025)

Adaptive Regularization for Sparsity Control in Bregman-Based Optimizers
di: Aloradi, Ahmad, et al.
Pubblicazione: (2026)

A Generalized Bias-Variance Decomposition for Bregman Divergences
di: Pfau, David
Pubblicazione: (2025)

Bias-variance decompositions: the exclusive privilege of Bregman divergences
di: Heskes, Tom
Pubblicazione: (2025)

Bregman Douglas-Rachford Splitting Method
di: Ma, Shiqian, et al.
Pubblicazione: (2025)

Curved representational Bregman divergences and their applications
di: Nielsen, Frank
Pubblicazione: (2025)