Buchumschlag

Integrated Gradient attribution for Gaussian Processes with non-Gaussian likelihoods

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Seitz, Sarem
Format:	Preprint
Veröffentlicht:	2022
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Stochastic Gradient Descent for Gaussian Processes Done Right
von: Lin, Jihao Andreas, et al.
Veröffentlicht: (2023)

Bayesian Quadrature: Gaussian Processes for Integration
von: Mahsereci, Maren, et al.
Veröffentlicht: (2026)

Sampling from Gaussian Process Posteriors using Stochastic Gradient Descent
von: Lin, Jihao Andreas, et al.
Veröffentlicht: (2023)

Gaussian mixtures and non-parametric likelihoods through the lens of statistical mechanics
von: Ghosh, Subhroshekhar, et al.
Veröffentlicht: (2026)

Empirical Gaussian Processes
von: Lin, Jihao Andreas, et al.
Veröffentlicht: (2026)

Gradient-Enhanced Partitioned Gaussian Processes for Real-Time Quadrotor Dynamics Modeling
von: Sang, Xinhuan, et al.
Veröffentlicht: (2026)

Integrated Variational Fourier Features for Fast Spatial Modelling with Gaussian Processes
von: Cheema, Talay M, et al.
Veröffentlicht: (2023)

Variational Gaussian Process Diffusion Processes
von: Verma, Prakhar, et al.
Veröffentlicht: (2023)

Forecasting intermittent time series with Gaussian Processes and Tweedie likelihood
von: Damato, Stefano, et al.
Veröffentlicht: (2025)

Sparse Gaussian Neural Processes
von: Rochussen, Tommy, et al.
Veröffentlicht: (2025)

Matérn Gaussian Processes on Graphs
von: Borovitskiy, Viacheslav, et al.
Veröffentlicht: (2020)

Operator Learning with Gaussian Processes
von: Mora, Carlos, et al.
Veröffentlicht: (2024)

Gaussian Processes on Cellular Complexes
von: Alain, Mathieu, et al.
Veröffentlicht: (2023)

Scalable Bayesian Structure Learning for Gaussian Graphical Models Using Marginal Pseudo-likelihood
von: Mohammadi, Reza, et al.
Veröffentlicht: (2023)

Gaussian Process Boosting
von: Sigrist, Fabio
Veröffentlicht: (2020)

Gaussian Process Inference Using Mini-batch Stochastic Gradient Descent: Convergence Guarantees and Empirical Benefits
von: Chen, Hao, et al.
Veröffentlicht: (2021)

Modular Jump Gaussian Processes
von: Flowers, Anna R., et al.
Veröffentlicht: (2025)

Gradient-enhanced deep Gaussian processes for multifidelity modelling
von: Bone, Viv, et al.
Veröffentlicht: (2024)

Variational Nearest Neighbor Gaussian Process
von: Wu, Luhuan, et al.
Veröffentlicht: (2022)

Deep Gaussian Processes for Functional Maps
von: Lowery, Matthew, et al.
Veröffentlicht: (2025)

Evaluating Uncertainty in Deep Gaussian Processes
von: van der Lende, Matthijs, et al.
Veröffentlicht: (2025)

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

Gaussian Process Kolmogorov-Arnold Networks
von: Chen, Andrew Siyuan
Veröffentlicht: (2024)

Gaussian Process on the Product of Directional Manifolds
von: Cao, Ziyu, et al.
Veröffentlicht: (2023)

Robust and Computation-Aware Gaussian Processes
von: Sinaga, Marshal Arijona, et al.
Veröffentlicht: (2025)

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

Hodge-Compositional Edge Gaussian Processes
von: Yang, Maosheng, et al.
Veröffentlicht: (2023)

GGMPs: Generalized Gaussian Mixture Processes
von: Tekriwal, Vardaan, et al.
Veröffentlicht: (2026)

Residual Deep Gaussian Processes on Manifolds
von: Wyrwal, Kacper, et al.
Veröffentlicht: (2024)

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

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

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

Soft Deterministic Policy Gradient with Gaussian Smoothing
von: Na, Hyunjun, et al.
Veröffentlicht: (2026)

Koopman-Equivariant Gaussian Processes
von: Bevanda, Petar, et al.
Veröffentlicht: (2025)

Global Convergence of Gradient EM for Over-Parameterized Gaussian Mixtures
von: Zhou, Mo, et al.
Veröffentlicht: (2025)

Loss Gradient Gaussian Width based Generalization and Optimization Guarantees
von: Banerjee, Arindam, et al.
Veröffentlicht: (2024)

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

Conditioning Gaussian Processes on Almost Anything
von: Moss, Henry, et al.
Veröffentlicht: (2026)

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

Vector Optimization with Gaussian Process Bandits
von: Korkmaz, İlter Onat, et al.
Veröffentlicht: (2024)