Buchumschlag

Proximal-Based Generative Modeling for Bayesian Inverse Problems

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhang, Boyang, Wang, Zhiguo, Liu, Ya-Feng
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Optimization and Control Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A Gradient Guided Diffusion Framework for Chance Constrained Programming
von: Zhang, Boyang, et al.
Veröffentlicht: (2025)

Benchmarking Diffusion Annealing-Based Bayesian Inverse Problem Solvers
von: Crafts, Evan Scope, et al.
Veröffentlicht: (2025)

Proximal Point Method for Online Saddle Point Problem
von: Meng, Qing-xin, et al.
Veröffentlicht: (2024)

Damped Proximal Augmented Lagrangian Method for weakly-Convex Problems with Convex Constraints
von: Dahal, Hari, et al.
Veröffentlicht: (2023)

Inverse Optimization for Routing Problems
von: Scroccaro, Pedro Zattoni, et al.
Veröffentlicht: (2023)

Machine Learning for Inverse Problems and Data Assimilation
von: Bach, Eviatar, et al.
Veröffentlicht: (2024)

Fast Algorithm for Constrained Linear Inverse Problems
von: Sheriff, Mohammed Rayyan, et al.
Veröffentlicht: (2022)

Adaptive Learning-based Surrogate Method for Stochastic Programs with Implicitly Decision-dependent Uncertainty
von: Shen, Boyang, et al.
Veröffentlicht: (2025)

Bayesian Optimization of Bilevel Problems
von: Ekmekcioglu, Omer, et al.
Veröffentlicht: (2024)

Stability of Data-Dependent Ridge-Regularization for Inverse Problems
von: Neumayer, Sebastian, et al.
Veröffentlicht: (2024)

Byzantine-Robust Distributed SGD: A Unified Analysis and Tight Error Bounds
von: Ruan, Boyuan, et al.
Veröffentlicht: (2026)

Stochastic Inverse Problem: stability, regularization and Wasserstein gradient flow
von: Li, Qin, et al.
Veröffentlicht: (2024)

Tight Generalization Bounds for Noiseless Inverse Optimization
von: Fatemi, Pouria, et al.
Veröffentlicht: (2026)

Optimization Landscapes Learned: Proxy Networks Boost Convergence in Physics-based Inverse Problems
von: Goyal, Girnar, et al.
Veröffentlicht: (2025)

Proximal Oracles for Optimization and Sampling
von: Liang, Jiaming, et al.
Veröffentlicht: (2024)

A Graph-Partitioning Based Continuous Optimization Approach to Semi-supervised Clustering Problems
von: Liu, Wei, et al.
Veröffentlicht: (2025)

Learning Surrogate Potential Mean Field Games via Gaussian Processes: A Data-Driven Approach to Ill-Posed Inverse Problems
von: Zhang, Jingguo, et al.
Veröffentlicht: (2025)

Bayesian Optimization for Non-Convex Two-Stage Stochastic Optimization Problems
von: Buckingham, Jack M., et al.
Veröffentlicht: (2024)

Projective Proximal Gradient Descent for A Class of Nonconvex Nonsmooth Optimization Problems: Fast Convergence Without Kurdyka-Lojasiewicz (KL) Property
von: Yang, Yingzhen, et al.
Veröffentlicht: (2023)

A Learned Proximal Alternating Minimization Algorithm and Its Induced Network for a Class of Two-block Nonconvex and Nonsmooth Optimization
von: Chen, Yunmei, et al.
Veröffentlicht: (2024)

Stochastic Newton Proximal Extragradient Method
von: Jiang, Ruichen, et al.
Veröffentlicht: (2024)

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

Slack More, Predict Better: Proximal Relaxation for Probabilistic Latent Variable Model-based Soft Sensors
von: Zou, Zehua, et al.
Veröffentlicht: (2026)

Solving Inverse Problems with Deep Linear Neural Networks: Global Convergence Guarantees for Gradient Descent with Weight Decay
von: Laus, Hannah, et al.
Veröffentlicht: (2025)

An Inexact Weighted Proximal Trust-Region Method
von: Maia, Leandro Farias, et al.
Veröffentlicht: (2026)

Proximal basin hopping: global optimization with guarantees
von: Lauga, Guillaume, et al.
Veröffentlicht: (2026)

Efficient Graph Laplacian Estimation by Proximal Newton
von: Medvedovsky, Yakov, et al.
Veröffentlicht: (2023)

Stabilized Proximal-Point Methods for Federated Optimization
von: Jiang, Xiaowen, et al.
Veröffentlicht: (2024)

Compressed Proximal Federated Learning for Non-Convex Composite Optimization on Heterogeneous Data
von: Qiu, Pu, et al.
Veröffentlicht: (2026)

Joint Cooperative and Non-Cooperative Localization in WSNs with Distributed Scaled Proximal ADMM Algorithms
von: Zhu, Qiaojia, et al.
Veröffentlicht: (2025)

Dynamic Proximal Gradient Algorithms for Schatten-$p$ Quasi-Norm Regularized Problems
von: Shen, Weiping, et al.
Veröffentlicht: (2026)

Learning Regularization Functionals for Inverse Problems: A Comparative Study
von: Hertrich, Johannes, et al.
Veröffentlicht: (2025)

A Proximal Gradient Method With Probabilistic Multi-Gossip Communications for Decentralized Composite Optimization
von: Guo, Luyao, et al.
Veröffentlicht: (2023)

Convergence Rate of the Last Iterate of Stochastic Proximal Algorithms
von: Vaidyan, Kevin Kurian Thomas, et al.
Veröffentlicht: (2026)

Obtaining Lower Query Complexities through Lightweight Zeroth-Order Proximal Gradient Algorithms
von: Gu, Bin, et al.
Veröffentlicht: (2024)

Constrained Bi-Level Optimization: Proximal Lagrangian Value function Approach and Hessian-free Algorithm
von: Yao, Wei, et al.
Veröffentlicht: (2024)

Analyzing Neural Network-Based Generative Diffusion Models through Convex Optimization
von: Zhang, Fangzhao, et al.
Veröffentlicht: (2024)

Locally Regularized Sparse Graph by Fast Proximal Gradient Descent
von: Sun, Dongfang, et al.
Veröffentlicht: (2024)

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

Convergence Analysis of the Wasserstein Proximal Algorithm beyond Geodesic Convexity
von: Zhu, Shuailong, et al.
Veröffentlicht: (2025)