Image de couverture de livre

Integrated Gradient attribution for Gaussian Processes with non-Gaussian likelihoods

Fuente: arXiv

Enregistré dans:

Détails bibliographiques
Auteur principal:	Seitz, Sarem
Format:	Preprint
Publié:	2022
Sujets:	Machine Learning
Accès en ligne:	Acceder al recurso
Tags:	Ajouter un tag Pas de tags, Soyez le premier à ajouter un tag!

Documents similaires

Stochastic Gradient Descent for Gaussian Processes Done Right
par: Lin, Jihao Andreas, et autres
Publié: (2023)

Bayesian Quadrature: Gaussian Processes for Integration
par: Mahsereci, Maren, et autres
Publié: (2026)

Sampling from Gaussian Process Posteriors using Stochastic Gradient Descent
par: Lin, Jihao Andreas, et autres
Publié: (2023)

Gaussian mixtures and non-parametric likelihoods through the lens of statistical mechanics
par: Ghosh, Subhroshekhar, et autres
Publié: (2026)

Empirical Gaussian Processes
par: Lin, Jihao Andreas, et autres
Publié: (2026)

Gradient-Enhanced Partitioned Gaussian Processes for Real-Time Quadrotor Dynamics Modeling
par: Sang, Xinhuan, et autres
Publié: (2026)

Integrated Variational Fourier Features for Fast Spatial Modelling with Gaussian Processes
par: Cheema, Talay M, et autres
Publié: (2023)

Variational Gaussian Process Diffusion Processes
par: Verma, Prakhar, et autres
Publié: (2023)

Forecasting intermittent time series with Gaussian Processes and Tweedie likelihood
par: Damato, Stefano, et autres
Publié: (2025)

Sparse Gaussian Neural Processes
par: Rochussen, Tommy, et autres
Publié: (2025)

Matérn Gaussian Processes on Graphs
par: Borovitskiy, Viacheslav, et autres
Publié: (2020)

Operator Learning with Gaussian Processes
par: Mora, Carlos, et autres
Publié: (2024)

Gaussian Processes on Cellular Complexes
par: Alain, Mathieu, et autres
Publié: (2023)

Scalable Bayesian Structure Learning for Gaussian Graphical Models Using Marginal Pseudo-likelihood
par: Mohammadi, Reza, et autres
Publié: (2023)

Gaussian Process Boosting
par: Sigrist, Fabio
Publié: (2020)

Gaussian Process Inference Using Mini-batch Stochastic Gradient Descent: Convergence Guarantees and Empirical Benefits
par: Chen, Hao, et autres
Publié: (2021)

Modular Jump Gaussian Processes
par: Flowers, Anna R., et autres
Publié: (2025)

Gradient-enhanced deep Gaussian processes for multifidelity modelling
par: Bone, Viv, et autres
Publié: (2024)

Variational Nearest Neighbor Gaussian Process
par: Wu, Luhuan, et autres
Publié: (2022)

Deep Gaussian Processes for Functional Maps
par: Lowery, Matthew, et autres
Publié: (2025)

Evaluating Uncertainty in Deep Gaussian Processes
par: van der Lende, Matthijs, et autres
Publié: (2025)

Likelihood-Free Gaussian Process for Regression
par: Shikuri, Yuta
Publié: (2020)

Gaussian Process Kolmogorov-Arnold Networks
par: Chen, Andrew Siyuan
Publié: (2024)

Gaussian Process on the Product of Directional Manifolds
par: Cao, Ziyu, et autres
Publié: (2023)

Robust and Computation-Aware Gaussian Processes
par: Sinaga, Marshal Arijona, et autres
Publié: (2025)

Implicit Manifold Gaussian Process Regression
par: Fichera, Bernardo, et autres
Publié: (2023)

Hodge-Compositional Edge Gaussian Processes
par: Yang, Maosheng, et autres
Publié: (2023)

GGMPs: Generalized Gaussian Mixture Processes
par: Tekriwal, Vardaan, et autres
Publié: (2026)

Residual Deep Gaussian Processes on Manifolds
par: Wyrwal, Kacper, et autres
Publié: (2024)

Mixed Likelihood Variational Gaussian Processes
par: Wu, Kaiwen, et autres
Publié: (2025)

Robust and Conjugate Gaussian Process Regression
par: Altamirano, Matias, et autres
Publié: (2023)

Gaussian Process Upper Confidence Bound Achieves Nearly-Optimal Regret in Noise-Free Gaussian Process Bandits
par: Iwazaki, Shogo
Publié: (2025)

Soft Deterministic Policy Gradient with Gaussian Smoothing
par: Na, Hyunjun, et autres
Publié: (2026)

Koopman-Equivariant Gaussian Processes
par: Bevanda, Petar, et autres
Publié: (2025)

Global Convergence of Gradient EM for Over-Parameterized Gaussian Mixtures
par: Zhou, Mo, et autres
Publié: (2025)

Loss Gradient Gaussian Width based Generalization and Optimization Guarantees
par: Banerjee, Arindam, et autres
Publié: (2024)

An Intuitive Tutorial to Gaussian Process Regression
par: Wang, Jie
Publié: (2020)

Conditioning Gaussian Processes on Almost Anything
par: Moss, Henry, et autres
Publié: (2026)

Obstacle-aware Gaussian Process Regression
par: Shrivastava, Gaurav
Publié: (2024)

Vector Optimization with Gaussian Process Bandits
par: Korkmaz, İlter Onat, et autres
Publié: (2024)