Buchumschlag

True Self-Avoiding Walk for Accelerating Markov-Chain Monte Carlo Integration

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Qinghua, Ding, Anantharam, Venkat
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computation Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

On Statistical Estimation of Edge-Reinforced Random Walks
von: Qinghua, et al.
Veröffentlicht: (2025)

An Information-theoretic Analysis of Edge-reinforced Random Walks
von: Qinghua, et al.
Veröffentlicht: (2026)

Coreset Markov Chain Monte Carlo
von: Chen, Naitong, et al.
Veröffentlicht: (2023)

Stereographic Markov Chain Monte Carlo
von: Yang, Jun, et al.
Veröffentlicht: (2022)

The Density Formula Approach for Non-reversible Isomorphism Theorems, with Applications
von: Qinghua, et al.
Veröffentlicht: (2025)

Some aspects of robustness in modern Markov Chain Monte Carlo
von: Power, Sam, et al.
Veröffentlicht: (2025)

Accelerated Markov Chain Monte Carlo Using Adaptive Weighting Scheme
von: Wang, Yanbo, et al.
Veröffentlicht: (2024)

Principled Gradient-based Markov Chain Monte Carlo for Text Generation
von: Du, Li, et al.
Veröffentlicht: (2023)

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

Tuning-Free Coreset Markov Chain Monte Carlo via Hot DoG
von: Chen, Naitong, et al.
Veröffentlicht: (2024)

Accelerated Markov Chain Monte Carlo Algorithms on Discrete States
von: Zhou, Bohan, et al.
Veröffentlicht: (2025)

Gaussian Invariant Markov Chain Monte Carlo
von: Titsias, Michalis K., et al.
Veröffentlicht: (2025)

Accelerating Multilevel Markov Chain Monte Carlo Using Machine Learning Models
von: Reddy, Sohail, et al.
Veröffentlicht: (2024)

Distributed Markov Chain Monte Carlo Sampling based on the Alternating Direction Method of Multipliers
von: Tzikas, Alexandros E., et al.
Veröffentlicht: (2024)

Differential privacy guarantees of Markov chain Monte Carlo algorithms
von: Bertazzi, Andrea, et al.
Veröffentlicht: (2025)

Convergence Acceleration of Markov Chain Monte Carlo-based Gradient Descent by Deep Unfolding
von: Hagiwara, Ryo, et al.
Veröffentlicht: (2024)

Self-Tuning Hamiltonian Monte Carlo for Accelerated Sampling
von: Christiansen, Henrik, et al.
Veröffentlicht: (2023)

Accurate Large-sample Uncertainty Quantification using Stochastic Gradient Markov Chain Monte Carlo
von: Wang, Yu, et al.
Veröffentlicht: (2026)

Empirical evaluation of normalizing flows in Markov Chain Monte Carlo
von: Nabergoj, David, et al.
Veröffentlicht: (2024)

Parameter Expanded Stochastic Gradient Markov Chain Monte Carlo
von: Kim, Hyunsu, et al.
Veröffentlicht: (2025)

An information-theoretic proof of the Shannon-Hagelbarger theorem
von: Anantharam, Venkat
Veröffentlicht: (2023)

Quantum advantage in decentralized control of POMDPs: A control-theoretic view of the Mermin-Peres square
von: Anantharam, Venkat
Veröffentlicht: (2025)

Bayesian penalized empirical likelihood and Markov Chain Monte Carlo sampling
von: Chang, Jinyuan, et al.
Veröffentlicht: (2024)

SCAN: Self-Denoising Monte Carlo Annotation for Robust Process Reward Learning
von: Ding, Yuyang, et al.
Veröffentlicht: (2025)

Recurrent Confidence Chain: Temporal-Aware Uncertainty Quantification in Large Language Models
von: Mao, Zhenjiang, et al.
Veröffentlicht: (2026)

Markov chain Monte Carlo without evaluating the target: an auxiliary variable approach
von: Yuan, Wei, et al.
Veröffentlicht: (2024)

MC$^2$A: Enabling Algorithm-Hardware Co-Design for Efficient Markov Chain Monte Carlo Acceleration
von: Zhao, Shirui, et al.
Veröffentlicht: (2025)

Information Geometry of Absorbing Markov-Chain and Discriminative Random Walks
von: Kimura, Masanari
Veröffentlicht: (2026)

Quantum Speedups for Markov Chain Monte Carlo Methods with Application to Optimization
von: Ozgul, Guneykan, et al.
Veröffentlicht: (2025)

Large-scale Uncertainty Quantification for Latent Variable Models Using Subsampling Markov Chain Monte Carlo
von: Wang, Xiaoyu, et al.
Veröffentlicht: (2026)

Self-Repellent Random Walks on General Graphs -- Achieving Minimal Sampling Variance via Nonlinear Markov Chains
von: Doshi, Vishwaraj, et al.
Veröffentlicht: (2023)

Counterdiabatic Hamiltonian Monte Carlo
von: Cohn-Gordon, Reuben, et al.
Veröffentlicht: (2026)

Convergence of variational Monte Carlo simulation and scale-invariant pre-training
von: Abrahamsen, Nilin, et al.
Veröffentlicht: (2023)

Elements of Sequential Monte Carlo
von: Naesseth, Christian A., et al.
Veröffentlicht: (2019)

Goal-Oriented Bayesian Optimal Experimental Design for Nonlinear Models using Markov Chain Monte Carlo
von: Zhong, Shijie, et al.
Veröffentlicht: (2024)

Markov Chain Monte Carlo with Gaussian Process Emulation for a 1D Hemodynamics Model of CTEPH
von: Kachabi, Amirreza, et al.
Veröffentlicht: (2024)

Parallel Affine Transformation Tuning of Markov Chain Monte Carlo
von: Schär, Philip, et al.
Veröffentlicht: (2024)

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

Towards Intrinsic Self-Correction Enhancement in Monte Carlo Tree Search Boosted Reasoning via Iterative Preference Learning
von: Jiang, Huchen, et al.
Veröffentlicht: (2024)

Kinetic Interacting Particle Langevin Monte Carlo
von: Oliva, Paul Felix Valsecchi, et al.
Veröffentlicht: (2024)