Buchumschlag

Fusion of Gaussian Processes Predictions with Monte Carlo Sampling

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ajirak, Marzieh, Waxman, Daniel, Llorente, Fernando, Djuric, Petar M.
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

Gaussian Process-Gated Hierarchical Mixtures of Experts
von: Liu, Yuhao, et al.
Veröffentlicht: (2023)

Sequential Estimation of Gaussian Process-based Deep State-Space Models
von: Liu, Yuhao, et al.
Veröffentlicht: (2023)

Sequential Inference for Gaussian Processes: A Signal Processing Perspective
von: Waxman, Daniel, et al.
Veröffentlicht: (2026)

Decentralized Online Ensembles of Gaussian Processes for Multi-Agent Systems
von: Llorente, Fernando, et al.
Veröffentlicht: (2025)

A Gaussian Process-based Streaming Algorithm for Prediction of Time Series With Regimes and Outliers
von: Waxman, Daniel, et al.
Veröffentlicht: (2024)

Uncertainty Quantification in Probabilistic Machine Learning Models: Theory, Methods, and Insights
von: Ajirak, Marzieh, et al.
Veröffentlicht: (2025)

Bayesian Ensembling: Insights from Online Optimization and Empirical Bayes
von: Waxman, Daniel, et al.
Veröffentlicht: (2025)

Dynamic Online Ensembles of Basis Expansions
von: Waxman, Daniel, et al.
Veröffentlicht: (2024)

Designing an Optimal Sensor Network via Minimizing Information Loss
von: Waxman, Daniel, et al.
Veröffentlicht: (2025)

Bayesian Nonparametric Dimensionality Reduction of Categorical Data for Predicting Severity of COVID-19 in Pregnant Women
von: Ajirak, Marzieh, et al.
Veröffentlicht: (2020)

Dagma-DCE: Interpretable, Non-Parametric Differentiable Causal Discovery
von: Waxman, Daniel, et al.
Veröffentlicht: (2024)

Tangent Space Causal Inference: Leveraging Vector Fields for Causal Discovery in Dynamical Systems
von: Butler, Kurt, et al.
Veröffentlicht: (2024)

Trustworthy Prediction with Gaussian Process Knowledge Scores
von: Butler, Kurt, et al.
Veröffentlicht: (2025)

Explainable Learning with Gaussian Processes
von: Butler, Kurt, et al.
Veröffentlicht: (2024)

Robust, Online, and Adaptive Decentralized Gaussian Processes
von: Llorente, Fernando, et al.
Veröffentlicht: (2025)

Learning to Route: Per-Sample Adaptive Routing for Multimodal Multitask Prediction
von: Ajirak, Marzieh, et al.
Veröffentlicht: (2025)

Higher-Order Feature Attribution: Bridging Statistics, Explainable AI, and Topological Signal Processing
von: Butler, Kurt, et al.
Veröffentlicht: (2025)

On Counterfactual Interventions in Vector Autoregressive Models
von: Butler, Kurt, et al.
Veröffentlicht: (2024)

A survey of Monte Carlo methods for noisy and costly densities with application to reinforcement learning and ABC
von: Llorente, F., et al.
Veröffentlicht: (2021)

Gaussian Invariant Markov Chain Monte Carlo
von: Titsias, Michalis K., et al.
Veröffentlicht: (2025)

Koopman-Equivariant Gaussian Processes
von: Bevanda, Petar, et al.
Veröffentlicht: (2025)

Scalable Random Feature Latent Variable Models
von: Li, Ying, et al.
Veröffentlicht: (2024)

Algorithms and Scientific Software for Quasi-Monte Carlo, Fast Gaussian Process Regression, and Scientific Machine Learning
von: Sorokin, Aleksei G.
Veröffentlicht: (2025)

Robust Uncertainty Quantification Using Conformalised Monte Carlo Prediction
von: Bethell, Daniel, et al.
Veröffentlicht: (2023)

Persistent Sampling: Enhancing the Efficiency of Sequential Monte Carlo
von: Karamanis, Minas, et al.
Veröffentlicht: (2024)

On Additive Gaussian Processes for Wind Farm Power Prediction
von: Brealy, Simon M., et al.
Veröffentlicht: (2026)

Constrained Sampling with Primal-Dual Langevin Monte Carlo
von: Chamon, Luiz F. O., et al.
Veröffentlicht: (2024)

Briding Diffusion Posterior Sampling and Monte Carlo methods: a survey
von: Janati, Yazid, et al.
Veröffentlicht: (2025)

Efficient Online Variational Estimation via Monte Carlo Sampling
von: Chagneux, Mathis, et al.
Veröffentlicht: (2026)

Sampling with Shielded Langevin Monte Carlo Using Navigation Potentials
von: Zilberstein, Nicolas, et al.
Veröffentlicht: (2025)

Geometry-Aware Uncertainty Quantification via Conformal Prediction on Manifolds
von: Shahbazi, Marzieh Amiri, et al.
Veröffentlicht: (2026)

Finite-Sample Analysis of the Monte Carlo Exploring Starts Algorithm for Reinforcement Learning
von: Chen, Suei-Wen, et al.
Veröffentlicht: (2024)

Enhancing Low-Precision Sampling via Stochastic Gradient Hamiltonian Monte Carlo
von: Wang, Ziyi, et al.
Veröffentlicht: (2023)

Blazing the trails before beating the path: Sample-efficient Monte-Carlo planning
von: Grill, Jean-Bastien, et al.
Veröffentlicht: (2026)

Accelerating Approximate Thompson Sampling with Underdamped Langevin Monte Carlo
von: Zheng, Haoyang, et al.
Veröffentlicht: (2024)

Efficient Approximate Posterior Sampling with Annealed Langevin Monte Carlo
von: Parulekar, Advait, et al.
Veröffentlicht: (2025)

Accelerating Langevin Monte Carlo Sampling: A Large Deviations Analysis
von: Yao, Nian, et al.
Veröffentlicht: (2025)

Penalized Overdamped and Underdamped Langevin Monte Carlo Algorithms for Constrained Sampling
von: Gürbüzbalaban, Mert, et al.
Veröffentlicht: (2022)

Fast Riemannian-manifold Hamiltonian Monte Carlo for hierarchical Gaussian-process models
von: Hayakawa, Takashi, et al.
Veröffentlicht: (2025)

No-Regret Thompson Sampling for Finite-Horizon Markov Decision Processes with Gaussian Processes
von: Bayrooti, Jasmine, et al.
Veröffentlicht: (2025)