Buchumschlag

Deep Latent Force Models: ODE-based Process Convolutions for Bayesian Deep Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Baldwin-McDonald, Thomas, Álvarez, Mauricio A.
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

Adaptive RKHS Fourier Features for Compositional Gaussian Process Models
von: Shi, Xinxing, et al.
Veröffentlicht: (2024)

Neighbour-Driven Gaussian Process Variational Autoencoders for Scalable Structured Latent Modelling
von: Shi, Xinxing, et al.
Veröffentlicht: (2025)

Federated Bayesian Deep Learning: The Application of Statistical Aggregation Methods to Bayesian Models
von: Fischer, John, et al.
Veröffentlicht: (2024)

SELDON: Supernova Explosions Learned by Deep ODE Networks
von: Wu, Jiezhong, et al.
Veröffentlicht: (2026)

Fixed-Mean Gaussian Processes for Post-hoc Bayesian Deep Learning
von: Ortega, Luis A., et al.
Veröffentlicht: (2024)

A Bayesian Approach to Robust Inverse Reinforcement Learning
von: Wei, Ran, et al.
Veröffentlicht: (2023)

System-Aware Neural ODE Processes for Few-Shot Bayesian Optimization
von: Qing, Jixiang, et al.
Veröffentlicht: (2024)

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

Impatient Bandits: Optimizing for the Long-Term Without Delay
von: Zhang, Kelly W., et al.
Veröffentlicht: (2025)

Latent Matters: Learning Deep State-Space Models
von: Klushyn, Alexej, et al.
Veröffentlicht: (2026)

Convolutional and Deep Learning based techniques for Time Series Ordinal Classification
von: Ayllón-Gavilán, Rafael, et al.
Veröffentlicht: (2023)

Variation Due to Regularization Tractably Recovers Bayesian Deep Learning
von: McInerney, James, et al.
Veröffentlicht: (2024)

Bayesian Computation in Deep Learning
von: Chen, Wenlong, et al.
Veröffentlicht: (2025)

Learning Dynamics of Deep Learning -- Force Analysis of Deep Neural Networks
von: Ren, Yi
Veröffentlicht: (2025)

Transformed Latent Variable Multi-Output Gaussian Processes
von: Jiang, Xiaoyu, et al.
Veröffentlicht: (2026)

A Deep Latent Space Model for Graph Representation Learning
von: Yang, Hanxuan, et al.
Veröffentlicht: (2021)

Are Statistical Methods Obsolete in the Era of Deep Learning? A Study of ODE Inverse Problems
von: Wu, Skyler, et al.
Veröffentlicht: (2025)

Modeling Complex Disease Trajectories using Deep Generative Models with Semi-Supervised Latent Processes
von: Trottet, Cécile, et al.
Veröffentlicht: (2023)

Deep Latent Variable Model based Vertical Federated Learning with Flexible Alignment and Labeling Scenarios
von: Hong, Kihun, et al.
Veröffentlicht: (2025)

Numerical Analysis of HiPPO-LegS ODE for Deep State Space Models
von: Park, Jaesung R., et al.
Veröffentlicht: (2024)

Random Latent Exploration for Deep Reinforcement Learning
von: Mahankali, Srinath, et al.
Veröffentlicht: (2024)

Bayesian Nonparametrics: An Alternative to Deep Learning
von: Moraffah, Bahman
Veröffentlicht: (2024)

Streamlining Prediction in Bayesian Deep Learning
von: Li, Rui, et al.
Veröffentlicht: (2024)

Convolutional Deep Kernel Machines
von: Milsom, Edward, et al.
Veröffentlicht: (2023)

Bayesian Deep Learning for Discrete Choice
von: Villarraga, Daniel F., et al.
Veröffentlicht: (2025)

Smooth Like Butter: Evaluating Multi-Lattice Transitions in Property-Augmented Latent Spaces
von: Baldwin, Martha, et al.
Veröffentlicht: (2024)

Deep Latent Variable Modeling of Physiological Signals
von: Vo, Khuong
Veröffentlicht: (2024)

Dynamic Latent Separation for Deep Learning
von: Tuan, Yi-Lin, et al.
Veröffentlicht: (2022)

Hypergraph and Latent ODE Learning for Multimodal Root Cause Localization in Microservices
von: Liu, Xin, et al.
Veröffentlicht: (2026)

Spectral Convolution on Orbifolds for Geometric Deep Learning
von: Mangliers, Tim, et al.
Veröffentlicht: (2026)

Variational Linearized Laplace Approximation for Bayesian Deep Learning
von: Ortega, Luis A., et al.
Veröffentlicht: (2023)

A Unified View on Solving Objective Mismatch in Model-Based Reinforcement Learning
von: Wei, Ran, et al.
Veröffentlicht: (2023)

Evaluating the Stability of Deep Learning Latent Feature Spaces
von: Mabadeje, Ademide O., et al.
Veröffentlicht: (2024)

Concrete Surface Crack Detection with Convolutional-based Deep Learning Models
von: Zadeh, Sara Shomal, et al.
Veröffentlicht: (2024)

Forecasting VIX using Bayesian Deep Learning
von: Hortúa, Héctor J., et al.
Veröffentlicht: (2024)

Unstable Rankings in Bayesian Deep Learning Evaluation
von: Zhan, Qishi, et al.
Veröffentlicht: (2026)

Deep Variational Bayesian Modeling of Haze Degradation Process
von: Im, Eun Woo, et al.
Veröffentlicht: (2024)

OrgFlow: Generative Modeling of Organic Crystal Structures from Molecular Graphs
von: Vahediahmar, Mohammadmahdi, et al.
Veröffentlicht: (2026)

Identifying Metric Structures of Deep Latent Variable Models
von: Syrota, Stas, et al.
Veröffentlicht: (2025)

Collapsed Inference for Bayesian Deep Learning
von: Zeng, Zhe, et al.
Veröffentlicht: (2023)