De la geometría a la dinámica: aprendizaje con datos escasos
Nuevo enfoque combina geometría y control estocástico para aprender dinámicas de sistemas con datos escasos. ¡Resultados superiores!
#dinámica de langevin
Diseño de Denominador Determinista para SGLD Localizado
Aprende a diseñar un denominador determinista para SGLD localizado que evita el cambio de media y mejora la precisión, usando proxy score y cuantiles empíricos.
Robustez de la dinámica de Langevin ante errores en la función score
Descubre por qué la dinámica de Langevin falla ante errores mínimos en la función score, mientras que los modelos de difusión son robustos. Análisis técnico.
Inferencia de heterogeneidad en partículas con Langevin de segundo orden
Aprende cómo un enfoque de máxima verosimilitud permite inferir heterogeneidad poblacional y modelos dinámicos desde trayectorias estocásticas de partículas.
Garantías mejoradas para Langevin Monte Carlo con suavidad promedio
Descubre cómo la suavidad promedio mejora las garantías de Langevin Monte Carlo. Aplicaciones en IA y modelos lineales.
Muestreo de orden cero no log-cóncavo con reducción de varianza
Método de muestreo de orden cero con reducción de varianza para distribuciones no log-cóncavas. Aplicado a problemas inversos con garantías de convergencia.