Buchumschlag

Efficiently Computable Safety Bounds for Gaussian Processes in Active Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Tebbe, Jörn, Zimmer, Christoph, Steland, Ansgar, Lange-Hegermann, Markus, Mies, Fabian
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Physics-informed Gaussian Processes as Linear Model Predictive Controller
von: Tebbe, Jörn, et al.
Veröffentlicht: (2024)

Future Aware Safe Active Learning of Time Varying Systems using Gaussian Processes
von: Lange-Hegermann, Markus, et al.
Veröffentlicht: (2024)

Online Detection of Changes in Moment-Based Projections: When to Retrain Deep Learners or Update Portfolios?
von: Steland, Ansgar
Veröffentlicht: (2023)

Physics-informed Gaussian Processes as Linear Model Predictive Controller with Constraint Satisfaction
von: Tebbe, Jörn, et al.
Veröffentlicht: (2025)

Linear ordinary differential equations constrained Gaussian Processes for solving optimal control problems
von: Besginow, Andreas, et al.
Veröffentlicht: (2025)

Gaussian Process Regression for Inverse Problems in Linear PDEs
von: Li, Xin, et al.
Veröffentlicht: (2025)

Approximately Equivariant Recurrent Generative Models for Quasi-Periodic Time Series with a Progressive Training Scheme
von: Fulek, Ruwen, et al.
Veröffentlicht: (2025)

Safe Active Learning for Time-Series Modeling with Gaussian Processes
von: Zimmer, Christoph, et al.
Veröffentlicht: (2024)

On the Laplace Approximation as Model Selection Criterion for Gaussian Processes
von: Besginow, Andreas, et al.
Veröffentlicht: (2024)

Batch Active Learning in Gaussian Process Regression using Derivatives
von: Yu, Hon Sum Alec, et al.
Veröffentlicht: (2024)

Safe Active Learning for Gaussian Differential Equations
von: Glass, Leon, et al.
Veröffentlicht: (2024)

Physics-Informed Diffusion Models for Unsupervised Anomaly Detection in Multivariate Time Series
von: Soni, Juhi, et al.
Veröffentlicht: (2025)

Gaussian Process Priors for Boundary Value Problems of Linear Partial Differential Equations
von: Huang, Jianlei, et al.
Veröffentlicht: (2024)

Discussion on Assessing Predictability of Environmental Time Series With Statistical and Machine Learning Models
von: Ansgar Steland
Veröffentlicht: (2025)

Investigation of the Impact of Synthetic Training Data in the Industrial Application of Terminal Strip Object Detection
von: Baumgart, Nico, et al.
Veröffentlicht: (2024)

Adaptive Thresholds for Monitoring and Screening in Imbalanced Samples: Optimality and Boosting Sensitivity
von: Steland, Ansgar
Veröffentlicht: (2025)

Visual Car Brand Classification by Implementing a Synthetic Image Dataset Creation Pipeline
von: Lippemeier, Jan, et al.
Veröffentlicht: (2024)

Amortized Active Learning for Nonparametric Functions
von: Li, Cen-You, et al.
Veröffentlicht: (2024)

Error Bounds For Gaussian Process Regression Under Bounded Support Noise With Applications To Safety Certification
von: Reed, Robert, et al.
Veröffentlicht: (2024)

On the Weak Convergence of the Function-Indexed Sequential Empirical Process and its Smoothed Analogue under Nonstationarity
von: Scholze, Florian Alexander, et al.
Veröffentlicht: (2024)

Active Learning with Weak Supervision for Gaussian Processes
von: Olmin, Amanda, et al.
Veröffentlicht: (2022)

Compute-Efficient Active Learning
von: Németh, Gábor, et al.
Veröffentlicht: (2024)

Active Few-Shot Learning for Vertex Classification Starting from an Unlabeled Dataset
von: Burr, Felix, et al.
Veröffentlicht: (2025)

Distributionally Robust Active Learning for Gaussian Process Regression
von: Takeno, Shion, et al.
Veröffentlicht: (2025)

Concentration and Model Selection Consistency of the Group Lasso for α$$ \alpha $$‐Mixing Errors
von: Robin Martens, et al.
Veröffentlicht: (2025)

Amortized Safe Active Learning for Real-Time Data Acquisition: Pretrained Neural Policies From Simulated Nonparametric Functions
von: Li, Cen-You, et al.
Veröffentlicht: (2025)

Active Learning for Manifold Gaussian Process Regression
von: Cheng, Yuanxing, et al.
Veröffentlicht: (2025)

Strong Gaussian approximations with random multipliers
von: Mies, Fabian
Veröffentlicht: (2024)

Global Safe Sequential Learning via Efficient Knowledge Transfer
von: Li, Cen-You, et al.
Veröffentlicht: (2024)

Deep Intrinsic Coregionalization Multi-Output Gaussian Process Surrogate with Active Learning
von: Chang, Chun-Yi, et al.
Veröffentlicht: (2025)

PGNAA Spectral Classification of Aluminium and Copper Alloys with Machine Learning
von: Folz, Henrik, et al.
Veröffentlicht: (2024)

Improved Regret Bounds for Gaussian Process Upper Confidence Bound in Bayesian Optimization
von: Iwazaki, Shogo
Veröffentlicht: (2025)

New Bounds for Sparse Variational Gaussian Processes
von: Titsias, Michalis K.
Veröffentlicht: (2025)

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

Active Learning of Piecewise Gaussian Process Surrogates
von: Park, Chiwoo, et al.
Veröffentlicht: (2023)

Gaussian Process Upper Confidence Bound Achieves Nearly-Optimal Regret in Noise-Free Gaussian Process Bandits
von: Iwazaki, Shogo
Veröffentlicht: (2025)

Active Learning for Derivative-Based Global Sensitivity Analysis with Gaussian Processes
von: Belakaria, Syrine, et al.
Veröffentlicht: (2024)

Regret Analysis for Randomized Gaussian Process Upper Confidence Bound
von: Takeno, Shion, et al.
Veröffentlicht: (2024)

Quality-Controlled Active Learning via Gaussian Processes for Robust Structure-Property Learning in Autonomous Microscopy
von: Chowdhury, Jawad, et al.
Veröffentlicht: (2026)

Small Loss Bounds for Online Learning Separated Function Classes: A Gaussian Process Perspective
von: Block, Adam, et al.
Veröffentlicht: (2025)