Buchumschlag

Aggregation Models with Optimal Weights for Distributed Gaussian Processes

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chen, Haoyuan, Tuo, Rui
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Methodology
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Gaussian Processes Sampling with Sparse Grids under Additive Schwarz Preconditioner
von: Chen, Haoyuan, et al.
Veröffentlicht: (2024)

Privacy-aware Gaussian Process Regression
von: Tuo, Rui, et al.
Veröffentlicht: (2023)

Optimal Kernel Learning for Gaussian Process Models with High-Dimensional Input
von: Kang, Lulu, et al.
Veröffentlicht: (2025)

A Dynamic, Ordinal Gaussian Process Item Response Theoretic Model
von: Chen, Yehu, et al.
Veröffentlicht: (2025)

Diffusion-aware Censored Gaussian Processes for Demand Modelling
von: Rodrigues, Filipe
Veröffentlicht: (2025)

Modular Jump Gaussian Processes
von: Flowers, Anna R., et al.
Veröffentlicht: (2025)

Iterative Methods for Vecchia-Laplace Approximations for Latent Gaussian Process Models
von: Kündig, Pascal, et al.
Veröffentlicht: (2023)

The Kernel Manifold: A Geometric Approach to Gaussian Process Model Selection
von: Islam, Md Shafiqul, et al.
Veröffentlicht: (2026)

Conditioning Gaussian Processes on Almost Anything
von: Moss, Henry, et al.
Veröffentlicht: (2026)

Self-Supervised Learning with Gaussian Processes
von: Duan, Yunshan, et al.
Veröffentlicht: (2025)

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

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

A Bayesian Take on Gaussian Process Networks
von: Giudice, Enrico, et al.
Veröffentlicht: (2023)

New Bounds for Sparse Variational Gaussian Processes
von: Titsias, Michalis K.
Veröffentlicht: (2025)

A Gaussian Process Model for Ordinal Data with Applications to Chemoinformatics
von: Gosnell, Arron, et al.
Veröffentlicht: (2024)

Determination of Particle-Size Distributions from Light-Scattering Measurement Using Constrained Gaussian Process Regression
von: Seyedheydari, Fahime, et al.
Veröffentlicht: (2025)

Review of Recent Advances in Gaussian Process Regression Methods
von: Lyu, Chenyi, et al.
Veröffentlicht: (2024)

Wasserstein-type Gaussian Process Regressions for Input Measurement Uncertainty
von: Luo, Hengrui, et al.
Veröffentlicht: (2026)

Predicting Covariate-Driven Spatial Deformation for Nonstationary Gaussian Processes
von: Gu, Minghao, et al.
Veröffentlicht: (2026)

UTOPIA: Universally Trainable Optimal Prediction Intervals Aggregation
von: Fan, Jianqing, et al.
Veröffentlicht: (2023)

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

Optimal Aggregation of Prediction Intervals under Unsupervised Domain Shift
von: Ge, Jiawei, et al.
Veröffentlicht: (2024)

Optimal Empirical Risk Minimization under Temporal Distribution Shifts
von: Jeong, Yujin, et al.
Veröffentlicht: (2025)

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

Sparse Gaussian Graphical Models with Discrete Optimization: Computational and Statistical Perspectives
von: Behdin, Kayhan, et al.
Veröffentlicht: (2023)

Weighted Sum-of-Trees Model for Clustered Data
von: McCoy, Kevin, et al.
Veröffentlicht: (2026)

Predicting Electricity Consumption with Random Walks on Gaussian Processes
von: Hashimoto-Cullen, Chloé, et al.
Veröffentlicht: (2024)

FRESH: Information-Geometric Calibration of Patient-Level Models to Aggregate Evidence
von: Fuller, Franklin, et al.
Veröffentlicht: (2026)

Effect Decomposition of Functional-Output Computer Experiments via Orthogonal Additive Gaussian Processes
von: Tan, Yu, et al.
Veröffentlicht: (2025)

Distributional Off-Policy Evaluation with Deep Quantile Process Regression
von: Kuang, Qi, et al.
Veröffentlicht: (2026)

Sparse Variational Contaminated Noise Gaussian Process Regression with Applications in Geomagnetic Perturbations Forecasting
von: Iong, Daniel, et al.
Veröffentlicht: (2024)

Amortized Bayesian Local Interpolation NetworK: Fast covariance parameter estimation for Gaussian Processes
von: Feng, Brandon R., et al.
Veröffentlicht: (2024)

Dependence-Aware Label Aggregation for LLM-as-a-Judge via Ising Models
von: Balasubramanian, Krishnakumar, et al.
Veröffentlicht: (2026)

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

Weighting-Based Identification and Estimation in Graphical Models of Missing Data
von: Guo, Anna, et al.
Veröffentlicht: (2026)

A Divergence-Based Method for Weighting and Averaging Model Predictions
von: Vassend, Olav Benjamin
Veröffentlicht: (2026)

Spatial Covariance Constraints for Gaussian Mixture Models
von: Lu, Hanzhang, et al.
Veröffentlicht: (2026)

Finding Outliers in Gaussian Model-Based Clustering
von: Clark, Katharine M., et al.
Veröffentlicht: (2019)

Time Series Gaussian Chain Graph Models
von: Fang, Qin, et al.
Veröffentlicht: (2026)

Selecting the Number of Communities for Weighted Degree-Corrected Stochastic Block Models
von: Liu, Yucheng, et al.
Veröffentlicht: (2024)