Buchumschlag

KL Divergence Between Gaussians: A Step-by-Step Derivation for the Variational Autoencoder Objective

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Muñoz, Andrés, Ramele, Rodrigo
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

Black Box Meta-Learning Intrinsic Rewards
von: Pappalardo, Octavio, et al.
Veröffentlicht: (2024)

Optimal Stability of KL Divergence under Gaussian Perturbations
von: Pan, Jialu, et al.
Veröffentlicht: (2026)

Step-Level Sparse Autoencoder for Reasoning Process Interpretation
von: Yang, Xuan, et al.
Veröffentlicht: (2026)

Variational Approach for Efficient KL Divergence Estimation in Dirichlet Mixture Models
von: Pal, Samyajoy, et al.
Veröffentlicht: (2024)

Adaptive Symmetrization of the KL Divergence
von: Ben-Dov, Omri, et al.
Veröffentlicht: (2025)

$t^3$-Variational Autoencoder: Learning Heavy-tailed Data with Student's t and Power Divergence
von: Kim, Juno, et al.
Veröffentlicht: (2023)

Regularized KL-Divergence for Well-Defined Function-Space Variational Inference in Bayesian neural networks
von: Cinquin, Tristan, et al.
Veröffentlicht: (2024)

PIGPVAE: Physics-Informed Gaussian Process Variational Autoencoders
von: Spitieris, Michail, et al.
Veröffentlicht: (2025)

Stability Enhanced Gaussian Process Variational Autoencoders
von: Richardson, Carl R., et al.
Veröffentlicht: (2026)

On the KL-Divergence-based Robust Satisficing Model
von: Yan, Haojie, et al.
Veröffentlicht: (2024)

FedKL: Tackling Data Heterogeneity in Federated Reinforcement Learning by Penalizing KL Divergence
von: Xie, Zhijie, et al.
Veröffentlicht: (2022)

Training Neural Samplers with Reverse Diffusive KL Divergence
von: He, Jiajun, et al.
Veröffentlicht: (2024)

Denoising Particle Filters: Learning State Estimation with Single-Step Objectives
von: Röstel, Lennart, et al.
Veröffentlicht: (2026)

A Survey on Hypergraph Neural Networks: An In-Depth and Step-By-Step Guide
von: Kim, Sunwoo, et al.
Veröffentlicht: (2024)

Simple Steps to Success: A Method for Step-Based Counterfactual Explanations
von: Hamer, Jenny, et al.
Veröffentlicht: (2023)

Spatiotemporal System Forecasting with Irregular Time Steps via Masked Autoencoder
von: Zhu, Kewei, et al.
Veröffentlicht: (2026)

Semantic Step Prediction: Multi-Step Latent Forecasting in LLM Reasoning Trajectories via Step Sampling
von: Yuan, Yidi
Veröffentlicht: (2026)

Neighbour-Driven Gaussian Process Variational Autoencoders for Scalable Structured Latent Modelling
von: Shi, Xinxing, et al.
Veröffentlicht: (2025)

Synthesising Counterfactual Explanations via Label-Conditional Gaussian Mixture Variational Autoencoders
von: Jiang, Junqi, et al.
Veröffentlicht: (2025)

Beyond KL Divergence: Policy Optimization with Flexible Bregman Divergences for LLM Reasoning
von: Yuan, Rui, et al.
Veröffentlicht: (2026)

On Flow Matching KL Divergence
von: Su, Maojiang, et al.
Veröffentlicht: (2025)

Step-level Denoising-time Diffusion Alignment with Multiple Objectives
von: Zhang, Qi, et al.
Veröffentlicht: (2026)

VarDiU: A Variational Diffusive Upper Bound for One-Step Diffusion Distillation
von: Wang, Leyang, et al.
Veröffentlicht: (2025)

Residual Policy Gradient: A Reward View of KL-regularized Objective
von: Wang, Pengcheng, et al.
Veröffentlicht: (2025)

One-Step is Enough: Sparse Autoencoders for Text-to-Image Diffusion Models
von: Surkov, Viacheslav, et al.
Veröffentlicht: (2024)

Multi-modal Gaussian Process Variational Autoencoders for Neural and Behavioral Data
von: Gondur, Rabia, et al.
Veröffentlicht: (2023)

Best-of-N through the Smoothing Lens: KL Divergence and Regret Analysis
von: Aminian, Gholamali, et al.
Veröffentlicht: (2025)

$S^3$-R1: Learning to Retrieve and Answer Step-by-Step with Synthetic Data
von: Goel, Harsh, et al.
Veröffentlicht: (2026)

Step by Step: Adaptive Gradient Descent for Training L-Lipschitz Neural Networks
von: Sung, Kyle, et al.
Veröffentlicht: (2025)

Step-by-Step Reasoning for Math Problems via Twisted Sequential Monte Carlo
von: Feng, Shengyu, et al.
Veröffentlicht: (2024)

Beyond Vanilla Variational Autoencoders: Detecting Posterior Collapse in Conditional and Hierarchical Variational Autoencoders
von: Dang, Hien, et al.
Veröffentlicht: (2023)

Aligning Few-Step Generative Models by Amortizing Sample-based Variational Inference
von: Lee, Jaewoo, et al.
Veröffentlicht: (2026)

Analysis of Variational Sparse Autoencoders
von: Baker, Zachary, et al.
Veröffentlicht: (2025)

Variational Rank Reduction Autoencoders
von: Mounayer, Jad, et al.
Veröffentlicht: (2025)

Ensemble Visualization With Variational Autoencoder
von: Wu, Cenyang, et al.
Veröffentlicht: (2025)

On Kernel-based Variational Autoencoder
von: Qin, Tian, et al.
Veröffentlicht: (2024)

An Introduction to Discrete Variational Autoencoders
von: Jeffares, Alan, et al.
Veröffentlicht: (2025)

Likelihood-Free Variational Autoencoders
von: Xu, Chen, et al.
Veröffentlicht: (2025)

Differentially Private Distribution Release of Gaussian Mixture Models via KL-Divergence Minimization
von: Liu, Hang, et al.
Veröffentlicht: (2025)

One Step Learning, One Step Review
von: Huang, Xiaolong, et al.
Veröffentlicht: (2024)