Image de couverture de livre

Gaussian Processes on Cellular Complexes

Fuente: arXiv

Enregistré dans:

Détails bibliographiques
Auteurs principaux:	Alain, Mathieu, Takao, So, Paige, Brooks, Deisenroth, Marc Peter
Format:	Preprint
Publié:	2023
Sujets:	Machine Learning
Accès en ligne:	Acceder al recurso
Tags:	Ajouter un tag Pas de tags, Soyez le premier à ajouter un tag!

Documents similaires

Iterated INLA for State and Parameter Estimation in Nonlinear Dynamical Systems
par: Anderka, Rafael, et autres
Publié: (2024)

Graph and Simplicial Complex Prediction Gaussian Process via the Hodgelet Representations
par: Alain, Mathieu, et autres
Publié: (2025)

Graph Classification Gaussian Processes via Hodgelet Spectral Features
par: Alain, Mathieu, et autres
Publié: (2024)

Scalable Data Assimilation with Message Passing
par: Key, Oscar, et autres
Publié: (2024)

Matérn Gaussian Processes on Graphs
par: Borovitskiy, Viacheslav, et autres
Publié: (2020)

A Unifying Variational Framework for Gaussian Process Motion Planning
par: Cosier, Lucas, et autres
Publié: (2023)

Infinite Neural Operators: Gaussian processes on functions
par: de Souza, Daniel Augusto, et autres
Publié: (2025)

Probabilistic Weather Forecasting with Hierarchical Graph Neural Networks
par: Oskarsson, Joel, et autres
Publié: (2024)

SmilesT5: Domain-specific pretraining for molecular language models
par: Spence, Philip, et autres
Publié: (2025)

Time-varying Factor Augmented Vector Autoregression with Grouped Sparse Autoencoder
par: Luo, Yiyong, et autres
Publié: (2025)

Can a Confident Prior Replace a Cold Posterior?
par: Marek, Martin, et autres
Publié: (2024)

Reparameterized Multi-Resolution Convolutions for Long Sequence Modelling
par: Cunningham, Harry Jake, et autres
Publié: (2024)

Effects of Dropout on Performance in Long-range Graph Learning Tasks
par: Singh, Jasraj, et autres
Publié: (2025)

Deep Random Features for Scalable Interpolation of Spatiotemporal Data
par: Chen, Weibin, et autres
Publié: (2024)

Parameter Efficient Fine-tuning via Explained Variance Adaptation
par: Paischer, Fabian, et autres
Publié: (2024)

Moment Matching Denoising Gibbs Sampling
par: Zhang, Mingtian, et autres
Publié: (2023)

A study of EHVI vs fixed scalarization for molecule design
par: Yong, Anabel, et autres
Publié: (2025)

Towards Healing the Blindness of Score Matching
par: Zhang, Mingtian, et autres
Publié: (2022)

Learning Physical Operators using Neural Operators
par: Gopakumar, Vignesh, et autres
Publié: (2026)

AsEP: Benchmarking Deep Learning Methods for Antibody-specific Epitope Prediction
par: Liu, Chunan, et autres
Publié: (2024)

Valid Error Bars for Neural Weather Models using Conformal Prediction
par: Gopakumar, Vignesh, et autres
Publié: (2024)

Right Now, Wrong Then: Non-Stationary Direct Preference Optimization under Preference Drift
par: Son, Seongho, et autres
Publié: (2024)

Diffusive Gibbs Sampling
par: Chen, Wenlin, et autres
Publié: (2024)

Variational Gaussian Process Diffusion Processes
par: Verma, Prakhar, et autres
Publié: (2023)

Calibrated Physics-Informed Uncertainty Quantification
par: Gopakumar, Vignesh, et autres
Publié: (2025)

DAISI: Data Assimilation with Inverse Sampling using Stochastic Interpolants
par: Andrae, Martin, et autres
Publié: (2025)

Empirical Gaussian Processes
par: Lin, Jihao Andreas, et autres
Publié: (2026)

On the Fundamental Limitations of Dual Static CVaR Decompositions in Markov Decision Processes
par: Godbout, Mathieu, et autres
Publié: (2025)

Latent Variable Double Gaussian Process Model for Decoding Complex Neural Data
par: Ziaei, Navid, et autres
Publié: (2024)

Invariant-Based Diagnostics for Graph Benchmarks
par: von Moos, Richard, et autres
Publié: (2026)

Analyzing the Generalization and Reliability of Steering Vectors
par: Tan, Daniel, et autres
Publié: (2024)

Sparse Gaussian Neural Processes
par: Rochussen, Tommy, et autres
Publié: (2025)

Operator Learning with Gaussian Processes
par: Mora, Carlos, et autres
Publié: (2024)

A Causal Graph-Enhanced Gaussian Process Regression for Modeling Engine-out NOx
par: Zinage, Shrenik, et autres
Publié: (2024)

Integrated Gradient attribution for Gaussian Processes with non-Gaussian likelihoods
par: Seitz, Sarem
Publié: (2022)

Three Costs of Amortizing Gaussian Process Inference with Neural Processes
par: Young, Robin
Publié: (2026)

Gaussian Process on the Product of Directional Manifolds
par: Cao, Ziyu, et autres
Publié: (2023)

Implicit Manifold Gaussian Process Regression
par: Fichera, Bernardo, et autres
Publié: (2023)

Hodge-Compositional Edge Gaussian Processes
par: Yang, Maosheng, et autres
Publié: (2023)

Robust and Conjugate Gaussian Process Regression
par: Altamirano, Matias, et autres
Publié: (2023)