Buchumschlag

Gaussian process interpolation with conformal prediction: methods and comparative analysis

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Pion, Aurélien, Vazquez, Emmanuel
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Computation Methodology
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Design-marginal calibration of Gaussian process predictive distributions: Bayesian and conformal approaches
von: Pion, Aurélien, et al.
Veröffentlicht: (2025)

Goal-Oriented Lower-Tail Calibration of Gaussian Processes for Bayesian Optimization
von: Pion, Aurélien, et al.
Veröffentlicht: (2026)

Relaxed Gaussian process interpolation: a goal-oriented approach to Bayesian optimization
von: Petit, Sébastien, et al.
Veröffentlicht: (2022)

Online scalable Gaussian processes with conformal prediction for guaranteed coverage
von: Xu, Jinwen, et al.
Veröffentlicht: (2024)

Large language model validity via enhanced conformal prediction methods
von: Cherian, John J., et al.
Veröffentlicht: (2024)

Design-based conformal prediction
von: Wieczorek, Jerzy
Veröffentlicht: (2023)

Powerful batch conformal prediction for classification
von: Gazin, Ulysse, et al.
Veröffentlicht: (2024)

Online conformal prediction with decaying step sizes
von: Angelopoulos, Anastasios N., et al.
Veröffentlicht: (2024)

Projected random forests and conformal prediction of circular data
von: F., Paulo C. Marques, et al.
Veröffentlicht: (2024)

Principal component analysis balancing prediction and approximation accuracy for spatial data
von: Cheng, Si, et al.
Veröffentlicht: (2024)

Tail allocation for conformal prediction intervals
von: Wang, Tianying
Veröffentlicht: (2026)

Compactly-supported nonstationary kernels for computing exact Gaussian processes on big data
von: Risser, Mark D., et al.
Veröffentlicht: (2024)

Downscaling land surface temperature data using edge detection and block-diagonal Gaussian process regression
von: Dandapanthula, Sanjit, et al.
Veröffentlicht: (2026)

Variational predictive resampling
von: Battaglia, Laura, et al.
Veröffentlicht: (2026)

Gaussian Process Boosting
von: Sigrist, Fabio
Veröffentlicht: (2020)

LITE: Efficiently Estimating Gaussian Probability of Maximality
von: Menet, Nicolas, et al.
Veröffentlicht: (2025)

Robust and Conjugate Spatio-Temporal Gaussian Processes
von: Laplante, William, et al.
Veröffentlicht: (2025)

Time-to-event prediction for grouped variables using Exclusive Lasso
von: Ravi, Dayasri, et al.
Veröffentlicht: (2025)

Exact Bayesian Gaussian Cox Processes Using Random Integral
von: Tang, Bingjing, et al.
Veröffentlicht: (2024)

Characterization and Greedy Learning of Gaussian Structural Causal Models under Unknown Interventions
von: Gamella, Juan L., et al.
Veröffentlicht: (2022)

LARGE: A Locally Adaptive Regularization Approach for Estimating Gaussian Graphical Models
von: Nguyen, Ha, et al.
Veröffentlicht: (2026)

Robust variable selection for spatial point processes observed with noise
von: Sturm, Dominik, et al.
Veröffentlicht: (2025)

Asset price movement prediction using empirical mode decomposition and Gaussian mixture models
von: Palma, Gabriel R., et al.
Veröffentlicht: (2025)

Scalable Bayesian Structure Learning for Gaussian Graphical Models Using Marginal Pseudo-likelihood
von: Mohammadi, Reza, et al.
Veröffentlicht: (2023)

New methods to compute the generalized chi-square distribution
von: Das, Abhranil
Veröffentlicht: (2024)

Fast post-process Bayesian inference with Variational Sparse Bayesian Quadrature
von: Li, Chengkun, et al.
Veröffentlicht: (2023)

Transductive conformal inference with adaptive scores
von: Gazin, Ulysse, et al.
Veröffentlicht: (2023)

ACS: An interactive framework for conformal selection
von: Gui, Yu, et al.
Veröffentlicht: (2025)

Dirichlet process mixtures of block $g$ priors for model selection and prediction in linear models
von: Porwal, Anupreet, 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)

Parsimonious Gaussian mixture models with piecewise-constant eigenvalue profiles
von: Szwagier, Tom, et al.
Veröffentlicht: (2025)

Simulation-Based Inference for Adaptive Experiments
von: Cho, Brian M, et al.
Veröffentlicht: (2025)

Inference at the data's edge: Gaussian processes for modeling and inference under model-dependency, poor overlap, and extrapolation
von: Cho, Soonhong, et al.
Veröffentlicht: (2024)

Generative Bayesian Computation as a Scalable Alternative to Gaussian Process Surrogates
von: Polson, Nick, et al.
Veröffentlicht: (2026)

Rolled Gaussian process models for curves on manifolds
von: Preston, Simon, et al.
Veröffentlicht: (2025)

Model Selection for Gaussian-gated Gaussian Mixture of Experts Using Dendrograms of Mixing Measures
von: Thai, Tuan, et al.
Veröffentlicht: (2025)

Binary AddiVortes: (Bayesian) Additive Voronoi Tessellations for Binary Classification with an application to Predicting Home Mortgage Application Outcomes
von: Stone, Adam J., et al.
Veröffentlicht: (2025)

Spectral decomposition-assisted multi-study factor analysis
von: Mauri, Lorenzo, et al.
Veröffentlicht: (2025)

Summarizing Bayesian Nonparametric Mixture Posterior -- Sliced Optimal Transport Metrics for Gaussian Mixtures
von: Nguyen, Khai, et al.
Veröffentlicht: (2024)

Bayesian Nonlinear PDE Inference via Gaussian Process Collocation with Application to the Richards Equation
von: Yang, Yumo, et al.
Veröffentlicht: (2025)