:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Shikuri, Yuta
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	https://arxiv.org/abs/2412.17455
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Likelihood-Free Gaussian Process for Regression
von: Shikuri, Yuta
Veröffentlicht: (2020)

Decomposed Quadratization: Efficient QUBO Formulation for Learning Bayesian Network
von: Shikuri, Yuta
Veröffentlicht: (2020)

Learning Survival Models with Right-Censored Reporting Delays
von: Shikuri, Yuta, et al.
Veröffentlicht: (2025)

Surrogate Graph Partitioning for Spatial Prediction
von: Shikuri, Yuta, et al.
Veröffentlicht: (2025)

Mixed Likelihood Variational Gaussian Processes
von: Wu, Kaiwen, et al.
Veröffentlicht: (2025)

Algorithms and Scientific Software for Quasi-Monte Carlo, Fast Gaussian Process Regression, and Scientific Machine Learning
von: Sorokin, Aleksei G.
Veröffentlicht: (2025)

Phased Data Augmentation for Training a Likelihood-Based Generative Model with Limited Data
von: Mimura, Yuta
Veröffentlicht: (2023)

Reward Redistribution via Gaussian Process Likelihood Estimation
von: Xiao, Minheng, et al.
Veröffentlicht: (2025)

Distributionally Robust Active Learning for Gaussian Process Regression
von: Takeno, Shion, et al.
Veröffentlicht: (2025)

Warm Start Marginal Likelihood Optimisation for Iterative Gaussian Processes
von: Lin, Jihao Andreas, et al.
Veröffentlicht: (2024)

Symbolic Regression on Sparse and Noisy Data with Gaussian Processes
von: Hsin, Junette, et al.
Veröffentlicht: (2023)

Active Learning for Manifold Gaussian Process Regression
von: Cheng, Yuanxing, et al.
Veröffentlicht: (2025)

Batch Active Learning in Gaussian Process Regression using Derivatives
von: Yu, Hon Sum Alec, et al.
Veröffentlicht: (2024)

Implicit Manifold Gaussian Process Regression
von: Fichera, Bernardo, et al.
Veröffentlicht: (2023)

Robust and Conjugate Gaussian Process Regression
von: Altamirano, Matias, et al.
Veröffentlicht: (2023)

Bayesian Circular Regression with von Mises Quasi-Processes
von: Cohen, Yarden, et al.
Veröffentlicht: (2024)

Obstacle-aware Gaussian Process Regression
von: Shrivastava, Gaurav
Veröffentlicht: (2024)

An Intuitive Tutorial to Gaussian Process Regression
von: Wang, Jie
Veröffentlicht: (2020)

Quasi-Periodic Gaussian Process Predictive Iterative Learning Control
von: Nigam, Unnati, et al.
Veröffentlicht: (2026)

Relative Information Gain and Gaussian Process Regression
von: Flynn, Hamish
Veröffentlicht: (2025)

Approximately Unimodal Likelihood Models for Ordinal Regression
von: Yamasaki, Ryoya
Veröffentlicht: (2025)

Whom to Trust? Elective Learning for Distributed Gaussian Process Regression
von: Yang, Zewen, et al.
Veröffentlicht: (2024)

Privacy-aware Gaussian Process Regression
von: Tuo, Rui, et al.
Veröffentlicht: (2023)

Sparse Techniques for Regression in Deep Gaussian Processes
von: Latz, Jonas, et al.
Veröffentlicht: (2025)

GPgym: A Remote Service Platform with Gaussian Process Regression for Online Learning
von: Dai, Xiaobing, et al.
Veröffentlicht: (2024)

Variational Bayesian Methods for a Tree-Structured Stick-Breaking Process Mixture of Gaussians by Application of the Bayes Codes for Context Tree Models
von: Nakahara, Yuta
Veröffentlicht: (2024)

Scaling Gaussian Process Regression with Full Derivative Observations
von: Huang, Daniel
Veröffentlicht: (2025)

Guaranteed Coverage Prediction Intervals with Gaussian Process Regression
von: Papadopoulos, Harris
Veröffentlicht: (2023)

Assessing Quantum Advantage for Gaussian Process Regression
von: Lowe, Dominic, et al.
Veröffentlicht: (2025)

Quantum Gaussian Process Regression for Bayesian Optimization
von: Rapp, Frederic, et al.
Veröffentlicht: (2023)

Review of Recent Advances in Gaussian Process Regression Methods
von: Lyu, Chenyi, et al.
Veröffentlicht: (2024)

Likelihood approximations via Gaussian approximate inference
von: Bui, Thang D.
Veröffentlicht: (2024)

High-Dimensional Gaussian Process Regression with Soft Kernel Interpolation
von: Camaño, Chris, et al.
Veröffentlicht: (2024)

Modal Analysis of Spatiotemporal Data via Multivariate Gaussian Process Regression
von: Song, Jiwoo, et al.
Veröffentlicht: (2024)

Normalizing Flow Regression for Bayesian Inference with Offline Likelihood Evaluations
von: Li, Chengkun, et al.
Veröffentlicht: (2025)

Active Learning for Gaussian Process Regression Under Self-Induced Boltzmann Weights
von: Qing, Jixiang, et al.
Veröffentlicht: (2026)

Neural Likelihood Surfaces for Spatial Processes with Computationally Intensive or Intractable Likelihoods
von: Walchessen, Julia, et al.
Veröffentlicht: (2023)

Integrated Data Analysis of Plasma Electron Density Profile Tomography for HL-3 with Gaussian Process Regression
von: Wang, Cong, et al.
Veröffentlicht: (2025)

Gaussian Process Regression with Soft Inequality and Monotonicity Constraints
von: Kochan, Didem, et al.
Veröffentlicht: (2024)

Gaussian Process Regression for Inverse Problems in Linear PDEs
von: Li, Xin, et al.
Veröffentlicht: (2025)