:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yang, Adam X., Aitchison, Laurence, Moss, Henry B.
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Machine Learning
Online-Zugang:	https://arxiv.org/abs/2302.11533
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Bayesian Low-rank Adaptation for Large Language Models
von: Yang, Adam X., et al.
Veröffentlicht: (2023)

Why you don't overfit, and don't need Bayes if you only train for one epoch
von: Aitchison, Laurence
Veröffentlicht: (2024)

Return of the Latent Space COWBOYS: Re-thinking the use of VAEs for Bayesian Optimisation of Structured Spaces
von: Moss, Henry B., et al.
Veröffentlicht: (2025)

Bayesian Reward Models for LLM Alignment
von: Yang, Adam X., et al.
Veröffentlicht: (2024)

Controlling changes to attention logits
von: Anson, Ben, et al.
Veröffentlicht: (2025)

Batch size invariant Adam
von: Wang, Xi, et al.
Veröffentlicht: (2024)

How to set AdamW's weight decay as you scale model and dataset size
von: Wang, Xi, et al.
Veröffentlicht: (2024)

Learning to Skip the Middle Layers of Transformers
von: Lawson, Tim, et al.
Veröffentlicht: (2025)

Machine learning emulation of precipitation from km-scale UK regional climate simulations using a diffusion model
von: Addison, Henry, et al.
Veröffentlicht: (2024)

Convolutional Deep Kernel Machines
von: Milsom, Edward, et al.
Veröffentlicht: (2023)

Using Neural Networks for Data Cleaning in Weather Datasets
von: Hanslope, Jack R. P., et al.
Veröffentlicht: (2024)

Flexible Infinite-Width Graph Convolutional Neural Networks
von: Anson, Ben, et al.
Veröffentlicht: (2024)

Massively Parallel Expectation Maximization For Approximate Posteriors
von: Heap, Thomas, et al.
Veröffentlicht: (2025)

Function-Space Learning Rates
von: Milsom, Edward, et al.
Veröffentlicht: (2025)

Stochastic Kernel Regularisation Improves Generalisation in Deep Kernel Machines
von: Milsom, Edward, et al.
Veröffentlicht: (2024)

Scale-invariant Attention
von: Anson, Ben, et al.
Veröffentlicht: (2025)

Questionable practices in machine learning
von: Leech, Gavin, et al.
Veröffentlicht: (2024)

Position: Don't Use the CLT in LLM Evals With Fewer Than a Few Hundred Datapoints
von: Bowyer, Sam, et al.
Veröffentlicht: (2025)

Automated Interpretability Metrics Do Not Distinguish Trained and Random Transformers
von: Heap, Thomas, et al.
Veröffentlicht: (2025)

Learning Generation Orders for Masked Discrete Diffusion Models via Variational Inference
von: Fox, David, et al.
Veröffentlicht: (2026)

Big Batch Bayesian Active Learning by Considering Predictive Probabilities
von: Ober, Sebastian W., et al.
Veröffentlicht: (2025)

Omnipresent Yet Overlooked: Heat Kernels in Combinatorial Bayesian Optimization
von: Doumont, Colin, et al.
Veröffentlicht: (2025)

Residual Stream Analysis with Multi-Layer SAEs
von: Lawson, Tim, et al.
Veröffentlicht: (2024)

Path Integral Optimiser: Global Optimisation via Neural Schrödinger-Föllmer Diffusion
von: McGuinness, Max, et al.
Veröffentlicht: (2025)

BALLAST: Bayesian Active Learning with Look-ahead Amendment for Sea-drifter Trajectories under Spatio-Temporal Vector Fields
von: Zhang, Rui-Yang, et al.
Veröffentlicht: (2025)

Inverse-Free Sparse Variational Gaussian Processes
von: Cortinovis, Stefano, et al.
Veröffentlicht: (2026)

Jacobian Sparse Autoencoders: Sparsify Computations, Not Just Activations
von: Farnik, Lucy, et al.
Veröffentlicht: (2025)

Sample-Efficient Optimisation over the Outputs of Generative Models
von: Willis, Samuel, et al.
Veröffentlicht: (2025)

Contextual Causal Bayesian Optimisation
von: Arsenyan, Vahan, et al.
Veröffentlicht: (2023)

Maximizing Uncertainty for Federated learning via Bayesian Optimisation-based Model Poisoning
von: Aristodemou, Marios, et al.
Veröffentlicht: (2025)

We Still Don't Understand High-Dimensional Bayesian Optimization
von: Doumont, Colin, et al.
Veröffentlicht: (2025)

Graph Agnostic Causal Bayesian Optimisation
von: Mukherjee, Sumantrak, et al.
Veröffentlicht: (2024)

Robust Bayesian Optimisation with Unbounded Corruptions
von: Ezzerg, Abdelhamid, et al.
Veröffentlicht: (2025)

Mean-Field Bayesian Optimisation
von: Steinberg, Petar, et al.
Veröffentlicht: (2025)

MALIBO: Meta-learning for Likelihood-free Bayesian Optimization
von: Pan, Jiarong, et al.
Veröffentlicht: (2023)

PathMLP: Smooth Path Towards High-order Homophily
von: Zhou, Jiajun, et al.
Veröffentlicht: (2023)

Data-driven Prior Learning for Bayesian Optimisation
von: Hellan, Sigrid Passano, et al.
Veröffentlicht: (2023)

Distributionally Robust Optimisation with Bayesian Ambiguity Sets
von: Dellaporta, Charita, et al.
Veröffentlicht: (2024)

Bayesian Optimistic Optimisation with Exponentially Decaying Regret
von: Tran-The, Hung, et al.
Veröffentlicht: (2021)

Bayesian Optimisation: Which Constraints Matter?
von: Lin, Xietao Wang, et al.
Veröffentlicht: (2025)