Buchumschlag

Accelerating Non-Conjugate Gaussian Processes By Trading Off Computation For Uncertainty

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Tatzel, Lukas, Wenger, Jonathan, Schneider, Frank, Hennig, Philipp
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

Debiasing Mini-Batch Quadratics for Applications in Deep Learning
von: Tatzel, Lukas, et al.
Veröffentlicht: (2024)

Physics-Informed Gaussian Process Regression Generalizes Linear PDE Solvers
von: Pförtner, Marvin, et al.
Veröffentlicht: (2022)

Computation-Aware Gaussian Processes: Model Selection And Linear-Time Inference
von: Wenger, Jonathan, et al.
Veröffentlicht: (2024)

Computation-Aware Kalman Filtering and Smoothing
von: Pförtner, Marvin, et al.
Veröffentlicht: (2024)

Reparameterization invariance in approximate Bayesian inference
von: Roy, Hrittik, et al.
Veröffentlicht: (2024)

Large-Scale Gaussian Processes via Alternating Projection
von: Wu, Kaiwen, et al.
Veröffentlicht: (2023)

Connecting Parameter Magnitudes and Hessian Eigenspaces at Scale using Sketched Methods
von: Fernandez, Andres, et al.
Veröffentlicht: (2025)

Sketching Low-Rank Plus Diagonal Matrices
von: Fernandez, Andres, et al.
Veröffentlicht: (2025)

Rethinking Approximate Gaussian Inference in Classification
von: Mucsányi, Bálint, et al.
Veröffentlicht: (2025)

Gaussian Processes and Reproducing Kernels: Connections and Equivalences
von: Kanagawa, Motonobu, et al.
Veröffentlicht: (2025)

Sample Path Regularity of Gaussian Processes from the Covariance Kernel
von: Da Costa, Nathaël, et al.
Veröffentlicht: (2023)

Low-Rank Filtering and Smoothing for Sequential Deep Learning
von: Sliwa, Joanna, et al.
Veröffentlicht: (2024)

Mitigating Forgetting in Low Rank Adaptation
von: Sliwa, Joanna, et al.
Veröffentlicht: (2025)

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

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

Kronecker-Factored Approximate Curvature for Modern Neural Network Architectures
von: Eschenhagen, Runa, et al.
Veröffentlicht: (2023)

Flexible and Efficient Probabilistic PDE Solvers through Gaussian Markov Random Fields
von: Weiland, Tim, et al.
Veröffentlicht: (2025)

Multi-Output Robust and Conjugate Gaussian Processes
von: Rooijakkers, Joshua, et al.
Veröffentlicht: (2025)

Position: Curvature Matrices Should Be Democratized via Linear Operators
von: Dangel, Felix, et al.
Veröffentlicht: (2025)

Computation-Aware Kalman Filtering with Model Selection for Neural Dynamics
von: Huml, JR, et al.
Veröffentlicht: (2026)

Bayesian Scattering: A Principled Baseline for Uncertainty on Image Data
von: Fichera, Bernardo, et al.
Veröffentlicht: (2026)

Linearization Turns Neural Operators into Function-Valued Gaussian Processes
von: Magnani, Emilia, et al.
Veröffentlicht: (2024)

Geometric Gaussian Approximations of Probability Distributions
von: Da Costa, Nathaël, et al.
Veröffentlicht: (2025)

The Rank-Reduced Kalman Filter: Approximate Dynamical-Low-Rank Filtering In High Dimensions
von: Schmidt, Jonathan, et al.
Veröffentlicht: (2023)

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

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

Simplex-to-Euclidean Bijection for Conjugate and Calibrated Multiclass Gaussian Process
von: Williams, Bernardo, et al.
Veröffentlicht: (2026)

Mixtraining: A Better Trade-Off Between Compute and Performance
von: Li, Zexin, et al.
Veröffentlicht: (2025)

Communication-Computation Trade-Off in Resource-Constrained Edge Inference
von: Shao, Jiawei, et al.
Veröffentlicht: (2020)

Uncertainty-Guided Likelihood Tree Search
von: Grosse, Julia, et al.
Veröffentlicht: (2024)

Illuminating the Diversity-Fitness Trade-Off in Black-Box Optimization
von: Santoni, Maria Laura, et al.
Veröffentlicht: (2024)

On the Disconnect Between Theory and Practice of Neural Networks: Limits of the NTK Perspective
von: Wenger, Jonathan, et al.
Veröffentlicht: (2023)

Scalable Bayesian Inference for Nonlinear Conservation Laws
von: Weiland, Tim, et al.
Veröffentlicht: (2026)

Uncertainty-Aware Out-of-Distribution Detection with Gaussian Processes
von: Chen, Yang, et al.
Veröffentlicht: (2024)

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

Generalizability vs. Counterfactual Explainability Trade-Off
von: Veglianti, Fabiano, et al.
Veröffentlicht: (2025)

Accelerating Neural Network Training: An Analysis of the AlgoPerf Competition
von: Kasimbeg, Priya, et al.
Veröffentlicht: (2025)

Assessing the risk of future Dunkelflaute events for Germany using generative deep learning
von: Strnad, Felix, et al.
Veröffentlicht: (2025)

Preconditioned Additive Gaussian Processes with Fourier Acceleration
von: Wagner, Theresa, et al.
Veröffentlicht: (2025)

Intrinsic Gaussian Processes on Manifolds and Their Accelerations by Symmetry
von: Ye, Ke, et al.
Veröffentlicht: (2020)