Buchumschlag

Batch Active Learning in Gaussian Process Regression using Derivatives

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yu, Hon Sum Alec, Zimmer, Christoph, Nguyen-Tuong, Duy
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

Safe Active Learning for Time-Series Modeling with Gaussian Processes
von: Zimmer, Christoph, et al.
Veröffentlicht: (2024)

Efficiently Computable Safety Bounds for Gaussian Processes in Active Learning
von: Tebbe, Jörn, et al.
Veröffentlicht: (2024)

Safe Active Learning for Gaussian Differential Equations
von: Glass, Leon, et al.
Veröffentlicht: (2024)

Distributionally Robust Active Learning for Gaussian Process Regression
von: Takeno, Shion, et al.
Veröffentlicht: (2025)

Future Aware Safe Active Learning of Time Varying Systems using Gaussian Processes
von: Lange-Hegermann, Markus, et al.
Veröffentlicht: (2024)

Active Learning for Manifold Gaussian Process Regression
von: Cheng, Yuanxing, et al.
Veröffentlicht: (2025)

Multi-fidelity Batch Active Learning for Gaussian Process Classifiers
von: Cutforth, Murray, et al.
Veröffentlicht: (2025)

Scaling Gaussian Process Regression with Full Derivative Observations
von: Huang, Daniel
Veröffentlicht: (2025)

Active Learning for Gaussian Process Regression Under Self-Induced Boltzmann Weights
von: Qing, Jixiang, et al.
Veröffentlicht: (2026)

Active Learning for Derivative-Based Global Sensitivity Analysis with Gaussian Processes
von: Belakaria, Syrine, et al.
Veröffentlicht: (2024)

Amortized Active Learning for Nonparametric Functions
von: Li, Cen-You, et al.
Veröffentlicht: (2024)

Post-Transfer Learning Statistical Inference in High-Dimensional Regression
von: Tam, Nguyen Vu Khai, et al.
Veröffentlicht: (2025)

Robust Transfer Learning for Active Level Set Estimation with Locally Adaptive Gaussian Process Prior
von: Ngo, Giang, et al.
Veröffentlicht: (2024)

A Comprehensive Analysis on the Learning Curve in Kernel Ridge Regression
von: Cheng, Tin Sum, et al.
Veröffentlicht: (2024)

Adaptive Active Learning for Regression via Reinforcement Learning
von: Nguyen, Simon D., et al.
Veröffentlicht: (2026)

Active Learning with Weak Supervision for Gaussian Processes
von: Olmin, Amanda, et al.
Veröffentlicht: (2022)

Batch Bayesian Active Learning with Partial Batch Label Sampling
von: Hu, Kangping, et al.
Veröffentlicht: (2025)

Iterative Model-Learning Scheme via Gaussian Processes for Nonlinear Model Predictive Control of (Semi-)Batch Processes
von: Tan, Tai Xuan, et al.
Veröffentlicht: (2026)

Cell Library Characterization for Composite Current Source Models Based on Gaussian Process Regression and Active Learning
von: Bai, Tao, et al.
Veröffentlicht: (2025)

Likelihood-Free Gaussian Process for Regression
von: Shikuri, Yuta
Veröffentlicht: (2020)

Implicit Manifold Gaussian Process Regression
von: Fichera, Bernardo, et al.
Veröffentlicht: (2023)

Robust and Conjugate Gaussian Process Regression
von: Altamirano, Matias, et al.
Veröffentlicht: (2023)

Batch Selection and Communication for Active Learning with Edge Labeling
von: Croisfelt, Victor, et al.
Veröffentlicht: (2023)

Amortized Safe Active Learning for Real-Time Data Acquisition: Pretrained Neural Policies From Simulated Nonparametric Functions
von: Li, Cen-You, et al.
Veröffentlicht: (2025)

Obstacle-aware Gaussian Process Regression
von: Shrivastava, Gaurav
Veröffentlicht: (2024)

An Intuitive Tutorial to Gaussian Process Regression
von: Wang, Jie
Veröffentlicht: (2020)

Near-Polynomially Competitive Active Logistic Regression
von: Zhou, Yihan, et al.
Veröffentlicht: (2025)

Revisiting Kernel Attention with Correlated Gaussian Process Representation
von: Bui, Long Minh, et al.
Veröffentlicht: (2025)

Labeled TrustSet Guided: Batch Active Learning with Reinforcement Learning
von: Cui, Guofeng, et al.
Veröffentlicht: (2026)

Characterizing Overfitting in Kernel Ridgeless Regression Through the Eigenspectrum
von: Cheng, Tin Sum, et al.
Veröffentlicht: (2024)

Relative Information Gain and Gaussian Process Regression
von: Flynn, Hamish
Veröffentlicht: (2025)

Big Batch Bayesian Active Learning by Considering Predictive Probabilities
von: Ober, Sebastian W., et al.
Veröffentlicht: (2025)

Whom to Trust? Elective Learning for Distributed Gaussian Process Regression
von: Yang, Zewen, et al.
Veröffentlicht: (2024)

Learning from Summarized Data: Gaussian Process Regression with Sample Quasi-Likelihood
von: Shikuri, Yuta
Veröffentlicht: (2024)

GPgym: A Remote Service Platform with Gaussian Process Regression for Online Learning
von: Dai, Xiaobing, et al.
Veröffentlicht: (2024)

$(ε, δ)$-Differentially Private Partial Least Squares Regression
von: Nikzad-Langerodi, Ramin, et al.
Veröffentlicht: (2024)

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

Sparse Techniques for Regression in Deep Gaussian Processes
von: Latz, Jonas, et al.
Veröffentlicht: (2025)

Guaranteed Coverage Prediction Intervals with Gaussian Process Regression
von: Papadopoulos, Harris
Veröffentlicht: (2023)

ConBatch-BAL: Batch Bayesian Active Learning under Budget Constraints
von: Morato, Pablo G., et al.
Veröffentlicht: (2025)