Buchumschlag

Sketching the Heat Kernel: Using Gaussian Processes to Embed Data

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Gilbert, Anna C., O'Neill, Kevin
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Numerical Analysis
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Geometry-Preserving Encoder/Decoder in Latent Generative Models
von: Lee, Wonjun, et al.
Veröffentlicht: (2025)

Convergence and Sketching-Based Efficient Computation of Neural Tangent Kernel Weights in Physics-Based Loss
von: Hirsch, Max, et al.
Veröffentlicht: (2025)

Gaussian Processes and Reproducing Kernels: Connections and Equivalences
von: Kanagawa, Motonobu, et al.
Veröffentlicht: (2025)

Mode-Shape Expansion Using Physics-Constrained Gaussian Process Regression
von: Ghahari, Farid
Veröffentlicht: (2026)

A Dictionary of Closed-Form Kernel Mean Embeddings
von: Briol, François-Xavier, et al.
Veröffentlicht: (2025)

Constructing Gaussian Processes via Samplets
von: Neugebauer, Marcel
Veröffentlicht: (2024)

Calibrated Computation-Aware Gaussian Processes
von: Hegde, Disha, et al.
Veröffentlicht: (2024)

Bayesian Quadrature: Gaussian Processes for Integration
von: Mahsereci, Maren, et al.
Veröffentlicht: (2026)

Sketching Low-Rank Plus Diagonal Matrices
von: Fernandez, Andres, et al.
Veröffentlicht: (2025)

Preconditioned Additive Gaussian Processes with Fourier Acceleration
von: Wagner, Theresa, et al.
Veröffentlicht: (2025)

Sketch 'n Solve: An Efficient Python Package for Large-Scale Least Squares Using Randomized Numerical Linear Algebra
von: Lavaee, Alex
Veröffentlicht: (2024)

Distributed Least Squares in Small Space via Sketching and Bias Reduction
von: Garg, Sachin, et al.
Veröffentlicht: (2024)

Physics-Informed Gaussian Process Regression Generalizes Linear PDE Solvers
von: Pförtner, Marvin, et al.
Veröffentlicht: (2022)

Low-rank computation of the posterior mean in Multi-Output Gaussian Processes
von: Esche, Sebastian, et al.
Veröffentlicht: (2025)

Leveraging Real-Time Data Analysis and Multiple Kernel Learning for Manufacturing of Innovative Steels
von: Rannetbauer, Wolfgang, et al.
Veröffentlicht: (2025)

Fast Evaluation of Additive Kernels: Feature Arrangement, Fourier Methods, and Kernel Derivatives
von: Wagner, Theresa, et al.
Veröffentlicht: (2024)

Data-Efficient Kernel Methods for Learning Differential Equations and Their Solution Operators: Algorithms and Error Analysis
von: Jalalian, Yasamin, et al.
Veröffentlicht: (2025)

Enhancing Gaussian Process Surrogates for Optimization and Posterior Approximation via Random Exploration
von: Kim, Hwanwoo, et al.
Veröffentlicht: (2024)

Large Data Limits of Laplace Learning for Gaussian Measure Data in Infinite Dimensions
von: Zhong, Zhengang, et al.
Veröffentlicht: (2026)

Multivariate Density Estimation via Variance-Reduced Sketching
von: Peng, Yifan, et al.
Veröffentlicht: (2024)

KROM: Kernelized Reduced Order Modeling
von: Bacho, Aras, et al.
Veröffentlicht: (2026)

A Gaussian Process Framework for Solving Forward and Inverse Problems Involving Nonlinear Partial Differential Equations
von: Mora, Carlos, et al.
Veröffentlicht: (2024)

Solving All Regression Models For Learning Gaussian Networks Using Givens Rotations
von: Alipourfard, Borzou, et al.
Veröffentlicht: (2019)

Fast Spectrum Estimation of Some Kernel Matrices
von: Lepilov, Mikhail
Veröffentlicht: (2024)

Posterior Covariance Structures in Gaussian Processes
von: Cai, Difeng, et al.
Veröffentlicht: (2024)

On the Convergence of Irregular Sampling in Reproducing Kernel Hilbert Spaces
von: Iske, Armin
Veröffentlicht: (2025)

Data-efficient Kernel Methods for Learning Hamiltonian Systems
von: Jalalian, Yasamin, et al.
Veröffentlicht: (2025)

Data-driven Learning of Interaction Laws in Multispecies Particle Systems with Gaussian Processes: Convergence Theory and Applications
von: Feng, Jinchao, et al.
Veröffentlicht: (2025)

On Quasi-Localized Dual Pairs in Reproducing Kernel Hilbert Spaces
von: Harbrecht, Helmut, et al.
Veröffentlicht: (2024)

Parameter Inference based on Gaussian Processes Informed by Nonlinear Partial Differential Equations
von: Li, Zhaohui, et al.
Veröffentlicht: (2022)

Fast Kernel Summation in High Dimensions via Slicing and Fourier Transforms
von: Hertrich, Johannes
Veröffentlicht: (2024)

Gaussian Process Regression under Computational and Epistemic Misspecification
von: Sanz-Alonso, Daniel, et al.
Veröffentlicht: (2023)

An Orthogonal Polynomial Kernel-Based Machine Learning Model for Differential-Algebraic Equations
von: Taheri, Tayebeh, et al.
Veröffentlicht: (2024)

A Data-Driven Interpolation Method on Smooth Manifolds via Diffusion Processes and Voronoi Tessellations
von: Gomez, Alvaro Almeida
Veröffentlicht: (2025)

Which Spaces can be Embedded in $L_p$-type Reproducing Kernel Banach Space? A Characterization via Metric Entropy
von: Lu, Yiping, et al.
Veröffentlicht: (2024)

Kernel Neural Operators (KNOs) for Scalable, Memory-efficient, Geometrically-flexible Operator Learning
von: Lowery, Matthew, et al.
Veröffentlicht: (2024)

Efficient Numerical Integration in Reproducing Kernel Hilbert Spaces via Leverage Scores Sampling
von: Chatalic, Antoine, et al.
Veröffentlicht: (2023)

Solving Roughly Forced Nonlinear PDEs via Misspecified Kernel Methods and Neural Networks
von: Baptista, Ricardo, et al.
Veröffentlicht: (2025)

Orthonormal Expansions for Translation-Invariant Kernels
von: Tronarp, Filip, et al.
Veröffentlicht: (2022)

Slicing the Gaussian Mixture Wasserstein Distance
von: Piening, Moritz, et al.
Veröffentlicht: (2025)