Beyond Expected Information Gain: Stable Bayesian Optimal Experimental Design with Integral Probability Metrics and Plug-and-Play Extensions
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Wu, Di, Liang, Ling, Yang, Haizhao |
|---|---|
| Format: | Preprint |
| Publié: |
2026
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Solving High-Dimensional Partial Integral Differential Equations: The Finite Expression Method
par: Hardwick, Gareth, et autres
Publié: (2024)
par: Hardwick, Gareth, et autres
Publié: (2024)
Finite Expression Method for Solving High-Dimensional Partial Differential Equations
par: Liang, Senwei, et autres
Publié: (2022)
par: Liang, Senwei, et autres
Publié: (2022)
Multi-Scale Finite Expression Method for PDEs with Oscillatory Solutions on Complex Domains
par: Hardwick, Gareth, et autres
Publié: (2025)
par: Hardwick, Gareth, et autres
Publié: (2025)
Unexpected Improvements to Expected Improvement for Bayesian Optimization
par: Ament, Sebastian, et autres
Publié: (2023)
par: Ament, Sebastian, et autres
Publié: (2023)
Solving PDEs on Unknown Manifolds with Machine Learning
par: Liang, Senwei, et autres
Publié: (2021)
par: Liang, Senwei, et autres
Publié: (2021)
Finite Expression Methods for Discovering Physical Laws from Data
par: Jiang, Zhongyi, et autres
Publié: (2023)
par: Jiang, Zhongyi, et autres
Publié: (2023)
Spectral Clustering via Orthogonalization-Free Methods
par: Pang, Qiyuan, et autres
Publié: (2023)
par: Pang, Qiyuan, et autres
Publié: (2023)
AutoNumerics: An Autonomous, PDE-Agnostic Multi-Agent Pipeline for Scientific Computing
par: Du, Jianda, et autres
Publié: (2026)
par: Du, Jianda, et autres
Publié: (2026)
A Distributed Block Chebyshev-Davidson Algorithm for Parallel Spectral Clustering
par: Pang, Qiyuan, et autres
Publié: (2022)
par: Pang, Qiyuan, et autres
Publié: (2022)
A Finite Expression Method for Solving High-Dimensional Committor Problems
par: Song, Zezheng, et autres
Publié: (2023)
par: Song, Zezheng, et autres
Publié: (2023)
Flow-based Bayesian filtering for high-dimensional nonlinear stochastic dynamical systems
par: Wang, Xintong, et autres
Publié: (2025)
par: Wang, Xintong, et autres
Publié: (2025)
Stochastic Dimension Implicit Functional Projections for Exact Integral Conservation in High-Dimensional PINNs
par: Liang, Zhangyong
Publié: (2026)
par: Liang, Zhangyong
Publié: (2026)
Neural-POD: A Plug-and-Play Neural Operator Framework for Infinite-Dimensional Functional Nonlinear Proper Orthogonal Decomposition
par: Mou, Changhong, et autres
Publié: (2026)
par: Mou, Changhong, et autres
Publié: (2026)
A Hybrid Kernel-Free Boundary Integral Method with Operator Learning for Solving Parametric Partial Differential Equations In Complex Domains
par: Ling, Shuo, et autres
Publié: (2024)
par: Ling, Shuo, et autres
Publié: (2024)
Stable Derivative Free Gaussian Mixture Variational Inference for Bayesian Inverse Problems
par: Che, Baojun, et autres
Publié: (2025)
par: Che, Baojun, et autres
Publié: (2025)
FMint: Bridging Human Designed and Data Pretrained Models for Differential Equation Foundation Model
par: Song, Zezheng, et autres
Publié: (2024)
par: Song, Zezheng, et autres
Publié: (2024)
Integral regularization PINNs for evolution equations
par: Feng, Xiaodong, et autres
Publié: (2025)
par: Feng, Xiaodong, et autres
Publié: (2025)
Maximum Principle of Optimal Probability Density Control
par: Gaby, Nathan, et autres
Publié: (2025)
par: Gaby, Nathan, et autres
Publié: (2025)
Nearly Optimal Approximation Rates for Deep Super ReLU Networks on Sobolev Spaces
par: Yang, Yahong, et autres
Publié: (2023)
par: Yang, Yahong, et autres
Publié: (2023)
How Analysis Can Teach Us the Optimal Way to Design Neural Operators
par: Le, Vu-Anh, et autres
Publié: (2024)
par: Le, Vu-Anh, et autres
Publié: (2024)
Integral Operator Approaches for Scattered Data Fitting on Spheres
par: Lin, Shao-Bo
Publié: (2024)
par: Lin, Shao-Bo
Publié: (2024)
Universal Approximation of Operators with Transformers and Neural Integral Operators
par: Zappala, Emanuele, et autres
Publié: (2024)
par: Zappala, Emanuele, et autres
Publié: (2024)
Neural Galerkin Normalizing Flow for Transition Probability Density Functions of Diffusion Models
par: Saporiti, Riccardo, et autres
Publié: (2026)
par: Saporiti, Riccardo, et autres
Publié: (2026)
Deep Neural Network Solutions for Oscillatory Fredholm Integral Equations
par: Jiang, Jie, et autres
Publié: (2024)
par: Jiang, Jie, et autres
Publié: (2024)
Adaptive operator learning for infinite-dimensional Bayesian inverse problems
par: Gao, Zhiwei, et autres
Publié: (2023)
par: Gao, Zhiwei, et autres
Publié: (2023)
Adversarial Adaptive Sampling: Unify PINN and Optimal Transport for the Approximation of PDEs
par: Tang, Kejun, et autres
Publié: (2023)
par: Tang, Kejun, et autres
Publié: (2023)
Smoothness Adaptivity in Constant-Depth Neural Networks: Optimal Rates via Smooth Activations
par: Liu, Yuhao, et autres
Publié: (2026)
par: Liu, Yuhao, et autres
Publié: (2026)
Deep set based operator learning with uncertainty quantification
par: Ma, Lei, et autres
Publié: (2025)
par: Ma, Lei, et autres
Publié: (2025)
Bayesian Quadrature: Gaussian Processes for Integration
par: Mahsereci, Maren, et autres
Publié: (2026)
par: Mahsereci, Maren, et autres
Publié: (2026)
Scalable Bayesian Inference for Nonlinear Conservation Laws
par: Weiland, Tim, et autres
Publié: (2026)
par: Weiland, Tim, et autres
Publié: (2026)
A Constrained Multi-Fidelity Bayesian Optimization Method
par: Wang, Jingyi, et autres
Publié: (2025)
par: Wang, Jingyi, et autres
Publié: (2025)
Scalable Bayesian Physics-Informed Kolmogorov-Arnold Networks
par: Gao, Zhiwei, et autres
Publié: (2025)
par: Gao, Zhiwei, et autres
Publié: (2025)
Convergence Analysis of Probability Flow ODE for Score-based Generative Models
par: Huang, Daniel Zhengyu, et autres
Publié: (2024)
par: Huang, Daniel Zhengyu, et autres
Publié: (2024)
Optimal sampling for least-squares approximation
par: Adcock, Ben
Publié: (2024)
par: Adcock, Ben
Publié: (2024)
How Discrete and Continuous Diffusion Meet: Comprehensive Analysis of Discrete Diffusion Models via a Stochastic Integral Framework
par: Ren, Yinuo, et autres
Publié: (2024)
par: Ren, Yinuo, et autres
Publié: (2024)
Optimal Experimental Design for Reliable Learning of History-Dependent Constitutive Laws
par: Bhattacharya, Kaushik, et autres
Publié: (2026)
par: Bhattacharya, Kaushik, et autres
Publié: (2026)
DeepONet-accelerated Bayesian inversion for moving boundary problems
par: Iglesias, Marco A., et autres
Publié: (2025)
par: Iglesias, Marco A., et autres
Publié: (2025)
Bayesian Physics Informed Neural Networks for Linear Inverse problems
par: Mohammad-Djafari, Ali
Publié: (2025)
par: Mohammad-Djafari, Ali
Publié: (2025)
Variational Bayesian Inference for Tensor Robust Principal Component Analysis
par: Wang, Chao, et autres
Publié: (2024)
par: Wang, Chao, et autres
Publié: (2024)
Causality and Bayesian network PDEs for multiscale representations of porous media
par: Um, Kimoon, et autres
Publié: (2019)
par: Um, Kimoon, et autres
Publié: (2019)
Documents similaires
-
Solving High-Dimensional Partial Integral Differential Equations: The Finite Expression Method
par: Hardwick, Gareth, et autres
Publié: (2024) -
Finite Expression Method for Solving High-Dimensional Partial Differential Equations
par: Liang, Senwei, et autres
Publié: (2022) -
Multi-Scale Finite Expression Method for PDEs with Oscillatory Solutions on Complex Domains
par: Hardwick, Gareth, et autres
Publié: (2025) -
Unexpected Improvements to Expected Improvement for Bayesian Optimization
par: Ament, Sebastian, et autres
Publié: (2023) -
Solving PDEs on Unknown Manifolds with Machine Learning
par: Liang, Senwei, et autres
Publié: (2021)