Copertina

Wasserstein Gradient Flows for Batch Bayesian Optimal Experimental Design

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autore principale:	Sharrock, Louis
Natura:	Preprint
Pubblicazione:	2026
Soggetti:	Machine Learning Computation Methodology
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Markovian Flow Matching: Accelerating MCMC with Continuous Normalizing Flows
di: Cabezas, Alberto, et al.
Pubblicazione: (2024)

Tuning-Free Sampling via Optimization on the Space of Probability Measures
di: Sharrock, Louis, et al.
Pubblicazione: (2025)

Tuning-Free Maximum Likelihood Training of Latent Variable Models via Coin Betting
di: Sharrock, Louis, et al.
Pubblicazione: (2023)

A Likelihood-Free Approach to Goal-Oriented Bayesian Optimal Experimental Design
di: Chakraborty, Atlanta, et al.
Pubblicazione: (2024)

Recursive Maximum Likelihood Estimation for Interacting Particle Systems using Virtual Particles
di: Sharrock, Louis, et al.
Pubblicazione: (2026)

Maximin Robust Bayesian Experimental Design
di: Abdulsamad, Hany, et al.
Pubblicazione: (2026)

Inference for Batched Adaptive Experiments
di: Kemper, Jan, et al.
Pubblicazione: (2025)

Efficient Online Learning in Interacting Particle Systems
di: Sharrock, Louis, et al.
Pubblicazione: (2026)

Variational Bayesian Optimal Experimental Design with Normalizing Flows
di: Dong, Jiayuan, et al.
Pubblicazione: (2024)

PASOA- PArticle baSed Bayesian Optimal Adaptive design
di: Iollo, Jacopo, et al.
Pubblicazione: (2024)

Centered plug-in estimation of Wasserstein distances
di: Papp, Tamás P., et al.
Pubblicazione: (2022)

Combining Wasserstein-1 and Wasserstein-2 proximals: robust manifold learning via well-posed generative flows
di: Gu, Hyemin, et al.
Pubblicazione: (2024)

Scalable Bayesian Inference for Generalized Linear Mixed Models via Stochastic Gradient MCMC
di: Berchuck, Samuel I., et al.
Pubblicazione: (2024)

Wasserstein Gradient Boosting: A Framework for Distribution-Valued Supervised Learning
di: Matsubara, Takuo
Pubblicazione: (2024)

Recursive Nested Filtering for Efficient Amortized Bayesian Experimental Design
di: Iqbal, Sahel, et al.
Pubblicazione: (2024)

Fused Gromov-Wasserstein Variance Decomposition with Linear Optimal Transport
di: Wilson, Michael, et al.
Pubblicazione: (2024)

A Bayesian Non-parametric Approach to Generative Models: Integrating Variational Autoencoder and Generative Adversarial Networks using Wasserstein and Maximum Mean Discrepancy
di: Fazeli-Asl, Forough, et al.
Pubblicazione: (2023)

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

Batch-Adaptive Causal Annotations
di: Nwankwo, Ezinne, et al.
Pubblicazione: (2025)

Barycentric model aggregation in the Wasserstein space of distributions and a variational approach to consistency
di: Androulakis, Emmanouil, et al.
Pubblicazione: (2025)

Summarizing Bayesian Nonparametric Mixture Posterior -- Sliced Optimal Transport Metrics for Gaussian Mixtures
di: Nguyen, Khai, et al.
Pubblicazione: (2024)

Statistically Efficient Bayesian Sequential Experiment Design via Reinforcement Learning with Cross-Entropy Estimators
di: Blau, Tom, et al.
Pubblicazione: (2023)

Wasserstein F-tests for Fréchet regression on Bures-Wasserstein manifolds
di: Xu, Haoshu, et al.
Pubblicazione: (2024)

Minimax-Optimal Two-Sample Test with Sliced Wasserstein
di: Tran, Binh Thuan, et al.
Pubblicazione: (2025)

Fast post-process Bayesian inference with Variational Sparse Bayesian Quadrature
di: Li, Chengkun, et al.
Pubblicazione: (2023)

Deep Optimal Experimental Design for Parameter Estimation Problems
di: Siddiqui, Md Shahriar Rahim, et al.
Pubblicazione: (2024)

Goal-Oriented Sequential Bayesian Experimental Design for Causal Learning
di: Zhang, Zheyu, et al.
Pubblicazione: (2025)

Generative Bayesian Inference with GANs
di: Wang, Yuexi, et al.
Pubblicazione: (2022)

Variational Inference for Bayesian MIDAS Regression
di: Simeone, Luigi
Pubblicazione: (2026)

Scalable Monte Carlo for Bayesian Learning
di: Fearnhead, Paul, et al.
Pubblicazione: (2024)

Generative Bayesian Filtering and Parameter Learning
di: Marcelli, Edoardo, et al.
Pubblicazione: (2025)

Temperature Optimization for Bayesian Deep Learning
di: Ng, Kenyon, et al.
Pubblicazione: (2024)

Bayesian Federated Inference for Survival Models
di: Pazira, Hassan, et al.
Pubblicazione: (2024)

Bayesian score calibration for approximate models
di: Bon, Joshua J, et al.
Pubblicazione: (2022)

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

Near-Optimal Approximations for Bayesian Inference in Function Space
di: Wild, Veit, et al.
Pubblicazione: (2025)

Bayesian Sequential Optimal Experimental Design for Nonlinear Models Using Policy Gradient Reinforcement Learning
di: Shen, Wanggang, et al.
Pubblicazione: (2021)

Bayesian Multiple Multivariate Density-Density Regression
di: Nguyen, Khai, et al.
Pubblicazione: (2026)

Streaming Sliced Optimal Transport
di: Nguyen, Khai
Pubblicazione: (2025)

Optimization by Parallel Quasi-Quantum Annealing with Gradient-Based Sampling
di: Ichikawa, Yuma, et al.
Pubblicazione: (2024)