Buchumschlag

Addressing the Inconsistency in Bayesian Deep Learning via Generalized Laplace Approximation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chen, Yinsong, Yu, Samson S., Li, Zhong, Lim, Chee Peng
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

A Unified Framework for Uncertainty-Aware Explainable Artificial Intelligence: A Case Study in Power Quality Disturbance Classification
von: Chen, Yinsong, et al.
Veröffentlicht: (2026)

A Bayesian Framework for Uncertainty-Aware Explanations in Power Quality Disturbance Classification
von: Chen, Yinsong, et al.
Veröffentlicht: (2026)

Efficient Bayesian Updates for Deep Active Learning via Laplace Approximations
von: Huseljic, Denis, et al.
Veröffentlicht: (2022)

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

FSP-Laplace: Function-Space Priors for the Laplace Approximation in Bayesian Deep Learning
von: Cinquin, Tristan, et al.
Veröffentlicht: (2024)

A Posterior-Predictive Variance Decomposition for Epistemic and Aleatoric Uncertainty in Wind Power Forecasting
von: Chen, Yinsong, et al.
Veröffentlicht: (2026)

Laplace Approximation for Bayesian Tensor Network Kernel Machines
von: Saiapin, Albert, et al.
Veröffentlicht: (2026)

Improving the Linearized Laplace Approximation via Quadratic Approximations
von: Jiménez, Pedro, et al.
Veröffentlicht: (2026)

Tubular Riemannian Laplace Approximations for Bayesian Neural Networks
von: David, Rodrigo Pereira
Veröffentlicht: (2025)

Corrected Integrated Laplace Approximation for Bayesian Inference in Latent Gaussian Models
von: Lai, Jinlin, et al.
Veröffentlicht: (2026)

Self-Supervised Laplace Approximation for Bayesian Uncertainty Quantification
von: Rodemann, Julian, et al.
Veröffentlicht: (2026)

Reducing Variance in Meta-Learning via Laplace Approximation for Regression Tasks
von: Reichlin, Alfredo, et al.
Veröffentlicht: (2024)

SPDE Methods for Nonparametric Bayesian Posterior Contraction and Laplace Approximation
von: Alberola-Boloix, Enric, et al.
Veröffentlicht: (2026)

Low Rank Based Subspace Inference for the Laplace Approximation of Bayesian Neural Networks
von: Faller, Josua, et al.
Veröffentlicht: (2025)

Riemannian Laplace Approximation with the Fisher Metric
von: Yu, Hanlin, et al.
Veröffentlicht: (2023)

Stratify: Rethinking Federated Learning for Non-IID Data through Balanced Sampling
von: Wong, Hui Yeok, et al.
Veröffentlicht: (2025)

Scalable Linearized Laplace Approximation via Surrogate Neural Kernel
von: Ortega, Luis A., et al.
Veröffentlicht: (2026)

Priors Matter: Addressing Misspecification in Bayesian Deep Q-Learning
von: van der Vaart, Pascal R., et al.
Veröffentlicht: (2025)

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

Bayesian Meta-Reinforcement Learning with Laplace Variational Recurrent Networks
von: de Vries, Joery A., et al.
Veröffentlicht: (2025)

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

laplax -- Laplace Approximations with JAX
von: Weber, Tobias, et al.
Veröffentlicht: (2025)

Tracking Dynamic Gaussian Density with a Theoretically Optimal Sliding Window Approach
von: Wang, Yinsong, et al.
Veröffentlicht: (2024)

MAYA: Addressing Inconsistencies in Generative Password Guessing through a Unified Benchmark
von: Corrias, William, et al.
Veröffentlicht: (2025)

Theoretical Analysis of Measure Consistency Regularization for Partially Observed Data
von: Wang, Yinsong, et al.
Veröffentlicht: (2026)

TAP: The Attention Patch for Cross-Modal Knowledge Transfer from Unlabeled Modality
von: Wang, Yinsong, et al.
Veröffentlicht: (2023)

Shaping Initial State Prevents Modality Competition in Multi-modal Fusion: A Two-stage Scheduling Framework via Fast Partial Information Decomposition
von: Tang, Jiaqi, et al.
Veröffentlicht: (2025)

Locating and Mitigating Gradient Conflicts in Point Cloud Domain Adaptation via Saliency Map Skewness
von: Tang, Jiaqi, et al.
Veröffentlicht: (2025)

Learning-Based WiFi Fingerprint Inpainting via Generative Adversarial Networks
von: Chan, Yu, et al.
Veröffentlicht: (2024)

Methods for Class-Imbalanced Learning with Support Vector Machines: A Review and an Empirical Evaluation
von: Rezvani, Salim, et al.
Veröffentlicht: (2024)

Bayesian Deep Learning Via Expectation Maximization and Turbo Deep Approximate Message Passing
von: Xu, Wei, et al.
Veröffentlicht: (2024)

Laplace Approximation For Tensor Train Kernel Machines In System Identification
von: Saiapin, Albert, et al.
Veröffentlicht: (2025)

Optimality of Sub-network Laplace Approximations: New Results and Methods
von: Raha, Swarnali, et al.
Veröffentlicht: (2026)

Improving Group Fairness in Knowledge Distillation via Laplace Approximation of Early Exits
von: Fasth, Edvin, et al.
Veröffentlicht: (2025)

Bayesian Generative Adversarial Networks via Gaussian Approximation for Tabular Data Synthesis
von: Nasution, Bahrul Ilmi, et al.
Veröffentlicht: (2026)

Approximate Bayesian Inference via Bitstring Representations
von: Sladek, Aleksanteri, et al.
Veröffentlicht: (2025)

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

Deep Learning Aided Laplace Based Bayesian Inference for Epidemiological Systems
von: Kwok, Wai Meng, et al.
Veröffentlicht: (2022)

Your Compiler is Backdooring Your Model: Understanding and Exploiting Compilation Inconsistency Vulnerabilities in Deep Learning Compilers
von: Chen, Simin, et al.
Veröffentlicht: (2025)

Addressing Finite-Horizon MDPs via Low-Rank Tensor Value Approximation
von: Rozada, Sergio, et al.
Veröffentlicht: (2025)