Copertina

Reparameterization invariance in approximate Bayesian inference

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Roy, Hrittik, Miani, Marco, Ek, Carl Henrik, Hennig, Philipp, Pförtner, Marvin, Tatzel, Lukas, Hauberg, Søren
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Bayes without Underfitting: Fully Correlated Deep Learning Posteriors via Alternating Projections
di: Miani, Marco, et al.
Pubblicazione: (2024)

VIKING: Deep variational inference with stochastic projections
di: Fadel, Samuel G., et al.
Pubblicazione: (2025)

Matrix-Free Least Squares Solvers: Values, Gradients, and What to Do With Them
di: Roy, Hrittik, et al.
Pubblicazione: (2025)

Scaling up Probabilistic PDE Simulators with Structured Volumetric Information
di: Weiland, Tim, et al.
Pubblicazione: (2024)

Flexible and Efficient Probabilistic PDE Solvers through Gaussian Markov Random Fields
di: Weiland, Tim, et al.
Pubblicazione: (2025)

Gradients of Functions of Large Matrices
di: Krämer, Nicholas, et al.
Pubblicazione: (2024)

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

Debiasing Mini-Batch Quadratics for Applications in Deep Learning
di: Tatzel, Lukas, et al.
Pubblicazione: (2024)

Accelerating Non-Conjugate Gaussian Processes By Trading Off Computation For Uncertainty
di: Tatzel, Lukas, et al.
Pubblicazione: (2023)

Computation-Aware Kalman Filtering and Smoothing
di: Pförtner, Marvin, et al.
Pubblicazione: (2024)

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

Bayesian generative models can flag performance loss, bias, and out-of-distribution image content
di: López-Pérez, Miguel, et al.
Pubblicazione: (2025)

Linearization Turns Neural Operators into Function-Valued Gaussian Processes
di: Magnani, Emilia, et al.
Pubblicazione: (2024)

Sample Path Regularity of Gaussian Processes from the Covariance Kernel
di: Da Costa, Nathaël, et al.
Pubblicazione: (2023)

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

Affine Tracing: A New Paradigm for Probabilistic Linear Solvers
di: Hegde, Disha, et al.
Pubblicazione: (2026)

Sketched Lanczos uncertainty score: a low-memory summary of the Fisher information
di: Miani, Marco, et al.
Pubblicazione: (2024)

Laplacian Segmentation Networks Improve Epistemic Uncertainty Quantification
di: Zepf, Kilian, et al.
Pubblicazione: (2023)

Constructive Disintegration and Conditional Modes
di: Da Costa, Nathaël, et al.
Pubblicazione: (2025)

Variance reduction of diffusion model's gradients with Taylor approximation-based control variate
di: Jeha, Paul, et al.
Pubblicazione: (2024)

Decoder ensembling for learned latent geometries
di: Syrota, Stas, et al.
Pubblicazione: (2024)

Scalable Bayesian Inference for Nonlinear Conservation Laws
di: Weiland, Tim, et al.
Pubblicazione: (2026)

A survey and benchmark of high-dimensional Bayesian optimization of discrete sequences
di: González-Duque, Miguel, et al.
Pubblicazione: (2024)

Efficient Model-Based Reinforcement Learning Through Optimistic Thompson Sampling
di: Bayrooti, Jasmine, et al.
Pubblicazione: (2024)

A Continuous Relaxation for Discrete Bayesian Optimization
di: Michael, Richard, et al.
Pubblicazione: (2024)

Simultaneous Optimization of Geodesics and Fréchet Means
di: Rygaard, Frederik Möbius, et al.
Pubblicazione: (2025)

Bayesian Nonparametric Dynamical Clustering of Time Series
di: Pérez-Herrero, Adrián, et al.
Pubblicazione: (2025)

Connecting Neural Models Latent Geometries with Relative Geodesic Representations
di: Yu, Hanlin, et al.
Pubblicazione: (2025)

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

Riemann$^2$: Learning Riemannian Submanifolds from Riemannian Data
di: Rozo, Leonel, et al.
Pubblicazione: (2025)

Geometric Contact Flows: Contactomorphisms for Dynamics and Control
di: Testa, Andrea, et al.
Pubblicazione: (2025)

Learning Geometry and Topology via Multi-Chart Flows
di: Yu, Hanlin, et al.
Pubblicazione: (2025)

The Spacetime of Diffusion Models: An Information Geometry Perspective
di: Karczewski, Rafał, et al.
Pubblicazione: (2025)

Position: Curvature Matrices Should Be Democratized via Linear Operators
di: Dangel, Felix, et al.
Pubblicazione: (2025)

Identifying Metric Structures of Deep Latent Variable Models
di: Syrota, Stas, et al.
Pubblicazione: (2025)

A Likely Geometry of Generative Models
di: Rygaard, Frederik Möbius, et al.
Pubblicazione: (2025)

Calabi-Yau metrics through Grassmannian learning and Donaldson's algorithm
di: Ek, Carl Henrik, et al.
Pubblicazione: (2024)

Bayesian Scattering: A Principled Baseline for Uncertainty on Image Data
di: Fichera, Bernardo, et al.
Pubblicazione: (2026)

Extended Neural Contractive Dynamical Systems: On Multiple Tasks and Riemannian Safety Regions
di: Mohammadi, Hadi Beik, et al.
Pubblicazione: (2024)

Dynamic Priors in Bayesian Optimization for Hyperparameter Optimization
di: Fehring, Lukas, et al.
Pubblicazione: (2025)