Buchumschlag

Stochastic Gradient Descent for Gaussian Processes Done Right

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lin, Jihao Andreas, Padhy, Shreyas, Antorán, Javier, Tripp, Austin, Terenin, Alexander, Szepesvári, Csaba, Hernández-Lobato, José Miguel, Janz, David
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

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

Improving Linear System Solvers for Hyperparameter Optimisation in Iterative Gaussian Processes
von: Lin, Jihao Andreas, et al.
Veröffentlicht: (2024)

Warm Start Marginal Likelihood Optimisation for Iterative Gaussian Processes
von: Lin, Jihao Andreas, et al.
Veröffentlicht: (2024)

Online Laplace Model Selection Revisited
von: Lin, Jihao Andreas, et al.
Veröffentlicht: (2023)

Ensemble sampling for linear bandits: small ensembles suffice
von: Janz, David, et al.
Veröffentlicht: (2023)

Sharp analysis of linear ensemble sampling
von: Akhavan, Arya, et al.
Veröffentlicht: (2026)

Scalable Bayesian Inference in the Era of Deep Learning: From Gaussian Processes to Deep Neural Networks
von: Antoran, Javier
Veröffentlicht: (2024)

Exploration via linearly perturbed loss minimisation
von: Janz, David, et al.
Veröffentlicht: (2023)

Improving Iterative Gaussian Processes via Warm Starting Sequential Posteriors
von: Dong, Alan Yufei, et al.
Veröffentlicht: (2025)

Diagnosing and fixing common problems in Bayesian optimization for molecule design
von: Tripp, Austin, et al.
Veröffentlicht: (2024)

Stochastic Poisson Surface Reconstruction with One Solve using Geometric Gaussian Processes
von: Holalkere, Sidhanth, et al.
Veröffentlicht: (2025)

A Generative Model of Symmetry Transformations
von: Allingham, James Urquhart, et al.
Veröffentlicht: (2024)

Scalable Gaussian Processes with Latent Kronecker Structure
von: Lin, Jihao Andreas, et al.
Veröffentlicht: (2025)

Eluder dimension: localise it!
von: Bakhtiari, Alireza, et al.
Veröffentlicht: (2026)

Stochastic Gradient Succeeds for Bandits
von: Mei, Jincheng, et al.
Veröffentlicht: (2024)

Confident Natural Policy Gradient for Local Planning in $q_π$-realizable Constrained MDPs
von: Tian, Tian, et al.
Veröffentlicht: (2024)

Scalable Gaussian Processes: Advances in Iterative Methods and Pathwise Conditioning
von: Lin, Jihao Andreas
Veröffentlicht: (2025)

Sharper Guarantees for Misspecified Kernelized Bandit Optimization
von: Maran, Davide, et al.
Veröffentlicht: (2026)

Rectifying Regression in Reinforcement Learning
von: Ayoub, Alex, et al.
Veröffentlicht: (2025)

Stationary Kernels and Gaussian Processes on Lie Groups and their Homogeneous Spaces I: the compact case
von: Azangulov, Iskander, et al.
Veröffentlicht: (2022)

Efficient and Unbiased Sampling of Boltzmann Distributions via Consistency Models
von: Zhang, Fengzhe, et al.
Veröffentlicht: (2024)

Stationary Kernels and Gaussian Processes on Lie Groups and their Homogeneous Spaces II: non-compact symmetric spaces
von: Azangulov, Iskander, et al.
Veröffentlicht: (2023)

Trajectory Data Suffices for Statistically Efficient Learning in Offline RL with Linear $q^π$-Realizability and Concentrability
von: Tkachuk, Volodymyr, et al.
Veröffentlicht: (2024)

Balancing optimism and pessimism in offline-to-online learning
von: Sentenac, Flore, et al.
Veröffentlicht: (2025)

Generative Model for Synthesizing Ionizable Lipids: A Monte Carlo Tree Search Approach
von: Zhao, Jingyi, et al.
Veröffentlicht: (2024)

A Deep Generative Model for the Design of Synthesizable Ionizable Lipids
von: Ou, Yuxuan, et al.
Veröffentlicht: (2024)

Retro-fallback: retrosynthetic planning in an uncertain world
von: Tripp, Austin, et al.
Veröffentlicht: (2023)

Gaussian Approximation and Multiplier Bootstrap for Stochastic Gradient Descent
von: Sheshukova, Marina, et al.
Veröffentlicht: (2025)

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

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

Drupal Done Right
von: Coombs, Karen
Veröffentlicht: (2009)

Ordering-based Conditions for Global Convergence of Policy Gradient Methods
von: Mei, Jincheng, et al.
Veröffentlicht: (2025)

Iterative Importance Fine-tuning of Diffusion Models
von: Denker, Alexander, et al.
Veröffentlicht: (2025)

Optimistic Actor-Critic with Parametric Policies for Linear Markov Decision Processes
von: Lin, Max Qiushi, et al.
Veröffentlicht: (2026)

SE(3) Equivariant Augmented Coupling Flows
von: Midgley, Laurence I., et al.
Veröffentlicht: (2023)

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

Stochastic Adaptive Gradient Descent Without Descent
von: Aujol, Jean-François, et al.
Veröffentlicht: (2025)

Stochastic Gradient Descent for Incomplete Tensor Linear Systems
von: Ma, Anna, et al.
Veröffentlicht: (2025)

Scaling Gaussian Processes for Learning Curve Prediction via Latent Kronecker Structure
von: Lin, Jihao Andreas, et al.
Veröffentlicht: (2024)

Linear Algebra Done Right
von: Axler, Sheldon
Veröffentlicht: (2023)