Buchumschlag

On two ways to use determinantal point processes for Monte Carlo integration

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Gautier, Guillaume, Bardenet, Rémi, Valko, Michal
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Statistics Theory
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Monte Carlo and quasi-Monte Carlo integration for likelihood functions
von: Tang, Yanbo
Veröffentlicht: (2025)

Duality induced by an embedding structure of determinantal point process
von: Hino, Hideitsu, et al.
Veröffentlicht: (2024)

Weighted least-squares approximation with determinantal point processes and generalized volume sampling
von: Nouy, Anthony, et al.
Veröffentlicht: (2023)

Repulsive Monte Carlo on the sphere for the sliced Wasserstein distance
von: Petrovic, Vladimir, et al.
Veröffentlicht: (2025)

Improved Guarantees for Langevin Monte Carlo with Average Smoothness
von: Dalalyan, Arnak S., et al.
Veröffentlicht: (2026)

Convergence Bounds for Sequential Monte Carlo on Multimodal Distributions using Soft Decomposition
von: Lee, Holden, et al.
Veröffentlicht: (2024)

Analysis of Langevin Monte Carlo from Poincaré to Log-Sobolev
von: Chewi, Sinho, et al.
Veröffentlicht: (2021)

Blazing the trails before beating the path: Sample-efficient Monte-Carlo planning
von: Grill, Jean-Bastien, et al.
Veröffentlicht: (2026)

Hamiltonian Monte Carlo with Asymmetrical Momentum Distributions
von: Ghosh, Soumyadip, et al.
Veröffentlicht: (2021)

Signal reconstruction using determinantal sampling
von: Belhadji, Ayoub, et al.
Veröffentlicht: (2023)

Covariance estimation using Markov chain Monte Carlo
von: Kook, Yunbum, et al.
Veröffentlicht: (2024)

Deep spatio-temporal point processes: Advances and new directions
von: Cheng, Xiuyuan, et al.
Veröffentlicht: (2025)

Sampling conditioned diffusions via Pathspace Projected Monte Carlo
von: Grafke, Tobias
Veröffentlicht: (2025)

Quenched large deviations for Monte Carlo integration with Coulomb gases
von: Bardenet, Rémi, et al.
Veröffentlicht: (2025)

Parallelized Midpoint Randomization for Langevin Monte Carlo
von: Yu, Lu, et al.
Veröffentlicht: (2024)

Monte Carlo inference for semiparametric Bayesian regression
von: Kowal, Daniel R., et al.
Veröffentlicht: (2023)

GIST: Gibbs self-tuning for locally adaptive Hamiltonian Monte Carlo
von: Bou-Rabee, Nawaf, et al.
Veröffentlicht: (2024)

Handling Covariate Mismatch in Federated Linear Prediction
von: Ayme, Alexis, et al.
Veröffentlicht: (2026)

Provable Benefit of Annealed Langevin Monte Carlo for Non-log-concave Sampling
von: Guo, Wei, et al.
Veröffentlicht: (2024)

Approximating Langevin Monte Carlo with ResNet-like Neural Network architectures
von: Miranda, Charles, et al.
Veröffentlicht: (2023)

Complexity of Markov Chain Monte Carlo for Generalized Linear Models
von: Chak, Martin, et al.
Veröffentlicht: (2025)

User-friendly guarantees for the Langevin Monte Carlo with inaccurate gradient
von: Dalalyan, Arnak S., et al.
Veröffentlicht: (2017)

Random features models: a way to study the success of naive imputation
von: Ayme, Alexis, et al.
Veröffentlicht: (2024)

Federated Causal Inference: Multi-Study ATE Estimation beyond Meta-Analysis
von: Khellaf, Rémi, et al.
Veröffentlicht: (2024)

Effective regions and kernels in continuous sparse regularisation, with application to sketched mixtures
von: De Castro, Yohann, et al.
Veröffentlicht: (2025)

Convergence of Kinetic Langevin Monte Carlo on Lie groups
von: Kong, Lingkai, et al.
Veröffentlicht: (2024)

Non-asymptotic estimates for accelerated high order Langevin Monte Carlo algorithms
von: Neufeld, Ariel, et al.
Veröffentlicht: (2024)

A path-norm toolkit for modern networks: consequences, promises and challenges
von: Gonon, Antoine, et al.
Veröffentlicht: (2023)

On the convergence of dynamic implementations of Hamiltonian Monte Carlo and No U-Turn Samplers
von: Durmus, Alain, et al.
Veröffentlicht: (2023)

Tail-Sensitive KL and Rényi Convergence of Unadjusted Hamiltonian Monte Carlo via One-Shot Couplings
von: Bou-Rabee, Nawaf, et al.
Veröffentlicht: (2026)

Intrinsic effective sample size for manifold-valued Markov chain Monte Carlo via kernel discrepancy
von: You, Kisung
Veröffentlicht: (2026)

An Equivalence between Bayesian Priors and Penalties in Variational Inference
von: Wolinski, Pierre, et al.
Veröffentlicht: (2020)

Seeded graph matching for the correlated Gaussian Wigner model via the projected power method
von: Araya, Ernesto, et al.
Veröffentlicht: (2022)

Non-asymptotic analysis of Langevin-type Monte Carlo algorithms
von: Nakakita, Shogo
Veröffentlicht: (2023)

Algorithmic warm starts for Hamiltonian Monte Carlo
von: Zhang, Matthew S., et al.
Veröffentlicht: (2026)

Point processes with event time uncertainty
von: Cheng, Xiuyuan, et al.
Veröffentlicht: (2024)

Repelling-Attracting Hamiltonian Monte Carlo
von: Vishwanath, Siddharth, et al.
Veröffentlicht: (2024)

Adaptive sparse variational approximations for Gaussian process regression
von: Nieman, Dennis, et al.
Veröffentlicht: (2025)

High dimensional theory of two-phase optimizers
von: Agarwala, Atish
Veröffentlicht: (2026)

General reproducing properties in RKHS with application to derivative and integral operators
von: El-Boukkouri, Fatima-Zahrae, et al.
Veröffentlicht: (2025)