Buchumschlag

Gaussian Processes on Cellular Complexes

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Alain, Mathieu, Takao, So, Paige, Brooks, Deisenroth, Marc Peter
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

Iterated INLA for State and Parameter Estimation in Nonlinear Dynamical Systems
von: Anderka, Rafael, et al.
Veröffentlicht: (2024)

Graph and Simplicial Complex Prediction Gaussian Process via the Hodgelet Representations
von: Alain, Mathieu, et al.
Veröffentlicht: (2025)

Graph Classification Gaussian Processes via Hodgelet Spectral Features
von: Alain, Mathieu, et al.
Veröffentlicht: (2024)

Scalable Data Assimilation with Message Passing
von: Key, Oscar, et al.
Veröffentlicht: (2024)

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

A Unifying Variational Framework for Gaussian Process Motion Planning
von: Cosier, Lucas, et al.
Veröffentlicht: (2023)

Infinite Neural Operators: Gaussian processes on functions
von: de Souza, Daniel Augusto, et al.
Veröffentlicht: (2025)

Probabilistic Weather Forecasting with Hierarchical Graph Neural Networks
von: Oskarsson, Joel, et al.
Veröffentlicht: (2024)

SmilesT5: Domain-specific pretraining for molecular language models
von: Spence, Philip, et al.
Veröffentlicht: (2025)

Time-varying Factor Augmented Vector Autoregression with Grouped Sparse Autoencoder
von: Luo, Yiyong, et al.
Veröffentlicht: (2025)

Can a Confident Prior Replace a Cold Posterior?
von: Marek, Martin, et al.
Veröffentlicht: (2024)

Reparameterized Multi-Resolution Convolutions for Long Sequence Modelling
von: Cunningham, Harry Jake, et al.
Veröffentlicht: (2024)

Effects of Dropout on Performance in Long-range Graph Learning Tasks
von: Singh, Jasraj, et al.
Veröffentlicht: (2025)

Deep Random Features for Scalable Interpolation of Spatiotemporal Data
von: Chen, Weibin, et al.
Veröffentlicht: (2024)

Parameter Efficient Fine-tuning via Explained Variance Adaptation
von: Paischer, Fabian, et al.
Veröffentlicht: (2024)

Moment Matching Denoising Gibbs Sampling
von: Zhang, Mingtian, et al.
Veröffentlicht: (2023)

A study of EHVI vs fixed scalarization for molecule design
von: Yong, Anabel, et al.
Veröffentlicht: (2025)

Towards Healing the Blindness of Score Matching
von: Zhang, Mingtian, et al.
Veröffentlicht: (2022)

Learning Physical Operators using Neural Operators
von: Gopakumar, Vignesh, et al.
Veröffentlicht: (2026)

AsEP: Benchmarking Deep Learning Methods for Antibody-specific Epitope Prediction
von: Liu, Chunan, et al.
Veröffentlicht: (2024)

Valid Error Bars for Neural Weather Models using Conformal Prediction
von: Gopakumar, Vignesh, et al.
Veröffentlicht: (2024)

Right Now, Wrong Then: Non-Stationary Direct Preference Optimization under Preference Drift
von: Son, Seongho, et al.
Veröffentlicht: (2024)

Diffusive Gibbs Sampling
von: Chen, Wenlin, et al.
Veröffentlicht: (2024)

Variational Gaussian Process Diffusion Processes
von: Verma, Prakhar, et al.
Veröffentlicht: (2023)

Calibrated Physics-Informed Uncertainty Quantification
von: Gopakumar, Vignesh, et al.
Veröffentlicht: (2025)

DAISI: Data Assimilation with Inverse Sampling using Stochastic Interpolants
von: Andrae, Martin, et al.
Veröffentlicht: (2025)

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

On the Fundamental Limitations of Dual Static CVaR Decompositions in Markov Decision Processes
von: Godbout, Mathieu, et al.
Veröffentlicht: (2025)

Latent Variable Double Gaussian Process Model for Decoding Complex Neural Data
von: Ziaei, Navid, et al.
Veröffentlicht: (2024)

Invariant-Based Diagnostics for Graph Benchmarks
von: von Moos, Richard, et al.
Veröffentlicht: (2026)

Analyzing the Generalization and Reliability of Steering Vectors
von: Tan, Daniel, et al.
Veröffentlicht: (2024)

Sparse Gaussian Neural Processes
von: Rochussen, Tommy, et al.
Veröffentlicht: (2025)

Operator Learning with Gaussian Processes
von: Mora, Carlos, et al.
Veröffentlicht: (2024)

A Causal Graph-Enhanced Gaussian Process Regression for Modeling Engine-out NOx
von: Zinage, Shrenik, et al.
Veröffentlicht: (2024)

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

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

Gaussian Process on the Product of Directional Manifolds
von: Cao, Ziyu, et al.
Veröffentlicht: (2023)

Implicit Manifold Gaussian Process Regression
von: Fichera, Bernardo, et al.
Veröffentlicht: (2023)

Hodge-Compositional Edge Gaussian Processes
von: Yang, Maosheng, et al.
Veröffentlicht: (2023)

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