Buchumschlag

Relaxed Gaussian process interpolation: a goal-oriented approach to Bayesian optimization

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Petit, Sébastien, Bect, Julien, Vazquez, Emmanuel
Format:	Preprint
Veröffentlicht:	2022
Schlagworte:	Computation Methodology Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Gaussian process interpolation with conformal prediction: methods and comparative analysis
von: Pion, Aurélien, et al.
Veröffentlicht: (2024)

Design-marginal calibration of Gaussian process predictive distributions: Bayesian and conformal approaches
von: Pion, Aurélien, et al.
Veröffentlicht: (2025)

Sequential design of multi-fidelity computer experiments: maximizing the rate of stepwise uncertainty reduction
von: Stroh, Rémi, et al.
Veröffentlicht: (2020)

Goal-Oriented Lower-Tail Calibration of Gaussian Processes for Bayesian Optimization
von: Pion, Aurélien, et al.
Veröffentlicht: (2026)

Fast post-process Bayesian inference with Variational Sparse Bayesian Quadrature
von: Li, Chengkun, et al.
Veröffentlicht: (2023)

Exact Bayesian Gaussian Cox Processes Using Random Integral
von: Tang, Bingjing, et al.
Veröffentlicht: (2024)

Bayesian Active Learning of (small) Quantile Sets through Expected Estimator Modification
von: Abdelmalek-Lomenech, Romain Ait, et al.
Veröffentlicht: (2025)

Bayesian optimization for mixed variables using an adaptive dimension reduction process: applications to aircraft design
von: Saves, Paul, et al.
Veröffentlicht: (2025)

Controlling Continuous Relaxation for Combinatorial Optimization
von: Ichikawa, Yuma
Veröffentlicht: (2023)

Generative Bayesian Computation as a Scalable Alternative to Gaussian Process Surrogates
von: Polson, Nick, et al.
Veröffentlicht: (2026)

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

Continuous Parallel Relaxation for Finding Diverse Solutions in Combinatorial Optimization Problems
von: Ichikawa, Yuma, et al.
Veröffentlicht: (2024)

Bayesian Nonlinear PDE Inference via Gaussian Process Collocation with Application to the Richards Equation
von: Yang, Yumo, et al.
Veröffentlicht: (2025)

Summarizing Bayesian Nonparametric Mixture Posterior -- Sliced Optimal Transport Metrics for Gaussian Mixtures
von: Nguyen, Khai, et al.
Veröffentlicht: (2024)

Compactly-supported nonstationary kernels for computing exact Gaussian processes on big data
von: Risser, Mark D., et al.
Veröffentlicht: (2024)

Binary AddiVortes: (Bayesian) Additive Voronoi Tessellations for Binary Classification with an application to Predicting Home Mortgage Application Outcomes
von: Stone, Adam J., et al.
Veröffentlicht: (2025)

Rational kernel-based interpolation for complex-valued frequency response functions
von: Bect, Julien, et al.
Veröffentlicht: (2023)

A Bayesian approach to learning mixtures of nonparametric components
von: Zhang, Yilei, et al.
Veröffentlicht: (2025)

Bayesian sequential design of computer experiments for quantile set inversion
von: Abdelmalek-Lomenech, Romain Ait, et al.
Veröffentlicht: (2022)

A Bayesian Take on Gaussian Process Networks
von: Giudice, Enrico, et al.
Veröffentlicht: (2023)

Bayesian Causal Inference with Gaussian Process Networks
von: Giudice, Enrico, et al.
Veröffentlicht: (2024)

Downscaling land surface temperature data using edge detection and block-diagonal Gaussian process regression
von: Dandapanthula, Sanjit, et al.
Veröffentlicht: (2026)

Robust non-parametric mortality and fertility modelling and forecasting: Gaussian process regression approaches
von: Lam, Ka Kin, et al.
Veröffentlicht: (2021)

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

Generative Bayesian Inference with GANs
von: Wang, Yuexi, et al.
Veröffentlicht: (2022)

Bayesian score calibration for approximate models
von: Bon, Joshua J, et al.
Veröffentlicht: (2022)

Scalable Monte Carlo for Bayesian Learning
von: Fearnhead, Paul, et al.
Veröffentlicht: (2024)

Generative Bayesian Filtering and Parameter Learning
von: Marcelli, Edoardo, et al.
Veröffentlicht: (2025)

Temperature Optimization for Bayesian Deep Learning
von: Ng, Kenyon, et al.
Veröffentlicht: (2024)

Bayesian Federated Inference for Survival Models
von: Pazira, Hassan, et al.
Veröffentlicht: (2024)

Variational Inference for Bayesian MIDAS Regression
von: Simeone, Luigi
Veröffentlicht: (2026)

Bayesian Multiple Multivariate Density-Density Regression
von: Nguyen, Khai, et al.
Veröffentlicht: (2026)

Global convergence of optimized adaptive importance samplers
von: Akyildiz, Ömer Deniz
Veröffentlicht: (2022)

LITE: Efficiently Estimating Gaussian Probability of Maximality
von: Menet, Nicolas, et al.
Veröffentlicht: (2025)

Robust and Conjugate Spatio-Temporal Gaussian Processes
von: Laplante, William, et al.
Veröffentlicht: (2025)

Approximate Bayesian inference for cumulative probit regression models
von: Aliverti, Emanuele
Veröffentlicht: (2025)

Simulation-based Bayesian inference under model misspecification
von: Kelly, Ryan P., et al.
Veröffentlicht: (2025)

A partial likelihood approach to tree-based density modeling and its application in Bayesian inference
von: Ma, Li, et al.
Veröffentlicht: (2024)

Nonlinear Bayesian optimal experimental design using logarithmic Sobolev inequalities
von: Li, Fengyi, et al.
Veröffentlicht: (2024)

bamlss: A Lego Toolbox for Flexible Bayesian Regression (and Beyond)
von: Umlauf, Nikolaus, et al.
Veröffentlicht: (2019)