Buchumschlag

Scalable Bayesian Inference in the Era of Deep Learning: From Gaussian Processes to Deep Neural Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Antoran, Javier
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

From Shallow Bayesian Neural Networks to Gaussian Processes: General Convergence, Identifiability and Scalable Inference
von: de Araújo, Gracielle Antunes, et al.
Veröffentlicht: (2026)

Scalable Subsampling Inference for Deep Neural Networks
von: Wu, Kejin, et al.
Veröffentlicht: (2024)

Scalable Deep Basis Kernel Gaussian Processes
von: Zhu, Yunqin, et al.
Veröffentlicht: (2025)

Amortized Variational Inference for Deep Gaussian Processes
von: Meng, Qiuxian, et al.
Veröffentlicht: (2024)

Improving Linear System Solvers for Hyperparameter Optimisation in Iterative Gaussian Processes
von: Lin, Jihao Andreas, et al.
Veröffentlicht: (2024)

Bayesian Causal Inference with Gaussian Process Networks
von: Giudice, Enrico, et al.
Veröffentlicht: (2024)

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

Diffusion Bridge Variational Inference for Deep Gaussian Processes
von: Xu, Jian, et al.
Veröffentlicht: (2025)

Neural Operator Variational Inference based on Regularized Stein Discrepancy for Deep Gaussian Processes
von: Xu, Jian, et al.
Veröffentlicht: (2023)

Vecchia Gaussian Process Ensembles on Internal Representations of Deep Neural Networks
von: Jimenez, Felix, et al.
Veröffentlicht: (2023)

Sampling from Gaussian Process Posteriors using Stochastic Gradient Descent
von: Lin, Jihao Andreas, et al.
Veröffentlicht: (2023)

Large-scale Score-based Variational Posterior Inference for Bayesian Deep Neural Networks
von: Kim, Minyoung
Veröffentlicht: (2026)

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

Revisiting the Equivalence of Bayesian Neural Networks and Gaussian Processes: On the Importance of Learning Activations
von: Sendera, Marcin, et al.
Veröffentlicht: (2024)

Bayesian Learning for Deep Neural Network Adaptation
von: Xie, Xurong, et al.
Veröffentlicht: (2020)

Stochastic Gradient Descent for Gaussian Processes Done Right
von: Lin, Jihao Andreas, et al.
Veröffentlicht: (2023)

On the Convergence of Locally Adaptive and Scalable Diffusion-Based Sampling Methods for Deep Bayesian Neural Network Posteriors
von: Rensmeyer, Tim, et al.
Veröffentlicht: (2024)

From Deep Additive Kernel Learning to Last-Layer Bayesian Neural Networks via Induced Prior Approximation
von: Zhao, Wenyuan, et al.
Veröffentlicht: (2025)

Bayesian Deep Learning with Multilevel Trace-class Neural Networks
von: Chada, Neil K., et al.
Veröffentlicht: (2022)

Scalable Bayesian Optimization via Focalized Sparse Gaussian Processes
von: Wei, Yunyue, et al.
Veröffentlicht: (2024)

Multimodal Data Integration for Oncology in the Era of Deep Neural Networks: A Review
von: Waqas, Asim, et al.
Veröffentlicht: (2023)

Scalable Multi-Output Gaussian Processes with Stochastic Variational Inference
von: Jiang, Xiaoyu, et al.
Veröffentlicht: (2024)

Partially Stochastic Infinitely Deep Bayesian Neural Networks
von: Calvo-Ordonez, Sergio, et al.
Veröffentlicht: (2024)

Deep Latent Force Models: ODE-based Process Convolutions for Bayesian Deep Learning
von: Baldwin-McDonald, Thomas, et al.
Veröffentlicht: (2023)

Scalable Bayesian Optimization with Sparse Gaussian Process Models
von: Yang, Ang
Veröffentlicht: (2020)

CRONOS: Enhancing Deep Learning with Scalable GPU Accelerated Convex Neural Networks
von: Feng, Miria, et al.
Veröffentlicht: (2024)

Residual Deep Gaussian Processes on Manifolds
von: Wyrwal, Kacper, et al.
Veröffentlicht: (2024)

Deep Gaussian Processes for Functional Maps
von: Lowery, Matthew, et al.
Veröffentlicht: (2025)

Evaluating Uncertainty in Deep Gaussian Processes
von: van der Lende, Matthijs, et al.
Veröffentlicht: (2025)

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

BALI: Learning Neural Networks via Bayesian Layerwise Inference
von: Kurle, Richard, et al.
Veröffentlicht: (2024)

On the Equivalence of Random Network Distillation, Deep Ensembles, and Bayesian Inference
von: Zanger, Moritz A., et al.
Veröffentlicht: (2026)

On Generalization Bounds for Deep Compound Gaussian Neural Networks
von: Lyons, Carter, et al.
Veröffentlicht: (2024)

Bayesian Inference with Deep Weakly Nonlinear Networks
von: Hanin, Boris, et al.
Veröffentlicht: (2024)

On the Stability of Neural Networks in Deep Learning
von: Delattre, Blaise
Veröffentlicht: (2025)

Deep Graph Neural Point Process For Learning Temporal Interactive Networks
von: Chen, Su, et al.
Veröffentlicht: (2025)

Towards Improved Variational Inference for Deep Bayesian Models
von: Ober, Sebastian W.
Veröffentlicht: (2024)

Deep Neural Network Training as Random Effects: An Optimization-Inference Duality
von: Yao, Minhao, et al.
Veröffentlicht: (2026)

Semantic-Aware Gaussian Process Calibration with Structured Layerwise Kernels for Deep Neural Networks
von: Lee, Kyung-hwan, et al.
Veröffentlicht: (2025)

The Bayesian Confidence (BACON) Estimator for Deep Neural Networks
von: Kee, Patrick D., et al.
Veröffentlicht: (2024)