Buchumschlag

Guaranteed Coverage Prediction Intervals with Gaussian Process Regression

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Papadopoulos, Harris
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

CONTINA: Confidence Interval for Traffic Demand Prediction with Coverage Guarantee
von: Yang, Chao, et al.
Veröffentlicht: (2025)

Conformal Approach To Gaussian Process Surrogate Evaluation With Coverage Guarantees
von: Jaber, Edgar, et al.
Veröffentlicht: (2024)

Coverage-Guaranteed Prediction Sets for Out-of-Distribution Data
von: Zou, Xin, et al.
Veröffentlicht: (2024)

Conformal Prediction for Indoor Positioning with Correctness Coverage Guarantees
von: Zhou, Zhiyi, et al.
Veröffentlicht: (2025)

Regression Trees for Fast and Adaptive Prediction Intervals
von: Cabezas, Luben M. C., et al.
Veröffentlicht: (2024)

Hybrid Gaussian Process Regression with Temporal Feature Extraction for Partially Interpretable Remaining Useful Life Interval Prediction in Aeroengine Prognostics
von: Niu, Tian, et al.
Veröffentlicht: (2024)

Relaxed Quantile Regression: Prediction Intervals for Asymmetric Noise
von: Pouplin, Thomas, et al.
Veröffentlicht: (2024)

Questioning the Coverage-Length Metric in Conformal Prediction: When Shorter Intervals Are Not Better
von: Min, Yizhou, et al.
Veröffentlicht: (2026)

Calibration Prediction Interval for Non-parametric Regression and Neural Networks
von: Wu, Kejin, et al.
Veröffentlicht: (2025)

ICM Ensemble with Novel Betting Functions for Concept Drift
von: Eliades, Charalambos, 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)

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

Coverage Guarantees for Pseudo-Calibrated Conformal Prediction under Distribution Shift
von: Siahkali, Farbod, et al.
Veröffentlicht: (2026)

Probabilistic Conformal Coverage Guarantees in Small-Data Settings
von: Zwart, Petrus H.
Veröffentlicht: (2025)

$H$-Consistency Guarantees for Regression
von: Mao, Anqi, et al.
Veröffentlicht: (2024)

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

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

Conformal Thresholded Intervals for Efficient Regression
von: Luo, Rui, et al.
Veröffentlicht: (2024)

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

Enhancing Predictive Accuracy in Pharmaceutical Sales Through An Ensemble Kernel Gaussian Process Regression Approach
von: Mirshekari, Shahin, et al.
Veröffentlicht: (2024)

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

Variational Inference with Coverage Guarantees in Simulation-Based Inference
von: Patel, Yash, et al.
Veröffentlicht: (2023)

PAC Guarantees for Reinforcement Learning: Sample Complexity, Coverage, and Structure
von: Steier, Joshua
Veröffentlicht: (2026)

A Spatially Informed Gaussian Process UCB Method for Decentralized Coverage Control
von: Guidone, Gennaro, et al.
Veröffentlicht: (2025)

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

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

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

Gaussian Process Regression as an Alternative to Kriging and SVM for Spatial Yield Prediction
von: Rofatto, Vinicius, et al.
Veröffentlicht: (2025)

Colorful Pinball: Density-Weighted Quantile Regression for Conditional Guarantee of Conformal Prediction
von: Chen, Qianyi, et al.
Veröffentlicht: (2025)

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

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

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

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

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

Interval Regression: A Comparative Study with Proposed Models
von: Nguyen, Tung L, et al.
Veröffentlicht: (2025)

Coverage-Guaranteed Speech Emotion Recognition via Calibrated Uncertainty-Adaptive Prediction Sets
von: Jia, Zijun, et al.
Veröffentlicht: (2025)

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

Adaptive Optimizable Gaussian Process Regression Linear Least Squares Regression Filtering Method for SEM Images
von: Ong, D. Chee Yong, et al.
Veröffentlicht: (2025)

Probabilistic Neural Networks (PNNs) with t-Distributed Outputs: Adaptive Prediction Intervals Beyond Gaussian Assumptions
von: Pourkamali-Anaraki, Farhad
Veröffentlicht: (2025)