Copertina

Generative Bayesian Computation for Maximum Expected Utility

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Polson, Nick, Ruggeri, Fabrizio, Sokolov, Vadim
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	Computation Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

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

Bayesian Double Descent
di: Polson, Nick, et al.
Pubblicazione: (2025)

Fast Compute for ML Optimization
di: Polson, Nick, et al.
Pubblicazione: (2026)

Generative Bayesian Hyperparameter Tuning
di: Lopes, Hedibert, et al.
Pubblicazione: (2025)

Generative Modeling: A Review
di: Nareklishvili, Maria, et al.
Pubblicazione: (2024)

Horseshoe Mixtures-of-Experts (HS-MoE)
di: Polson, Nick, et al.
Pubblicazione: (2026)

Kolmogorov GAM Networks are all you need!
di: Polson, Sarah, et al.
Pubblicazione: (2025)

Generative AI for Bayesian Computation
di: Polson, Nicholas G., et al.
Pubblicazione: (2023)

Generative Quantile Bayesian Prediction
di: Nareklishvili, Maria, et al.
Pubblicazione: (2025)

Bell's Inequality, Causal Bounds, and Quantum Bayesian Computation: A Unified Framework
di: Polson, Nick, et al.
Pubblicazione: (2026)

Counting $N$ Queens
di: Polson, Nick, et al.
Pubblicazione: (2024)

$MC^2$ Mixed Integer and Linear Programming
di: Polson, Nick, et al.
Pubblicazione: (2025)

Bayesian Methods for the Navier-Stokes Equations
di: Polson, Nicholas, et al.
Pubblicazione: (2026)

Fast Compute via MC Boosting
di: Polson, Sarah, et al.
Pubblicazione: (2026)

Bayesian Global-Local Regularization
di: Datta, Jyotishka, et al.
Pubblicazione: (2025)

Horseshoe Priors and MDP
di: Polson, Nick, et al.
Pubblicazione: (2026)

Some Bayesian Perspectives on Clinical Trials
di: Sokolova, Alexandra, et al.
Pubblicazione: (2026)

Negative Probability
di: Polson, Nick, et al.
Pubblicazione: (2024)

Synthetic Priors
di: Polson, Nick, et al.
Pubblicazione: (2026)

Expected Diverse Utility (EDU): Diverse Bayesian Optimization of Expensive Computer Simulators
di: Miller, John Joshua, et al.
Pubblicazione: (2024)

Stochastic RAG: End-to-End Retrieval-Augmented Generation through Expected Utility Maximization
di: Zamani, Hamed, et al.
Pubblicazione: (2024)

Kramnik vs Nakamura: A Chess Scandal
di: Maharaj, Shiva, et al.
Pubblicazione: (2024)

Photons = Tokens: The Physics of AI and the Economics of Knowledge
di: Litowitz, Alec, et al.
Pubblicazione: (2026)

Computation-Utility-Privacy Tradeoffs in Bayesian Estimation
di: Chen, Sitan, et al.
Pubblicazione: (2026)

Optimal Clustering with Dependent Costs in Bayesian Networks
di: Wu, Paul Pao-Yen, et al.
Pubblicazione: (2023)

A Noise Resilient Approach for Robust Hurst Exponent Estimation
di: Premarathna, Malith, et al.
Pubblicazione: (2025)

Protecting Classifiers From Attacks
di: Gallego, Victor, et al.
Pubblicazione: (2020)

Generative Causal Inference
di: Nareklishvili, Maria, et al.
Pubblicazione: (2023)

Efficient Computation of Sparse and Robust Maximum Association Estimators
di: Pfeiffer, Pia, et al.
Pubblicazione: (2023)

Generative AI for Validating Physics Laws
di: Nareklishvili, Maria, et al.
Pubblicazione: (2025)

Bayesian Optimization with Expected Improvement: No Regret and the Choice of Incumbent
di: Wang, Jingyi, et al.
Pubblicazione: (2025)

Beyond Expected Information Gain: Stable Bayesian Optimal Experimental Design with Integral Probability Metrics and Plug-and-Play Extensions
di: Wu, Di, et al.
Pubblicazione: (2026)

Expected Reward Prediction, with Applications to Model Routing
di: Hasanaliyev, Kenan, et al.
Pubblicazione: (2026)

Statistical Learning of Value-at-Risk and Expected Shortfall
di: Barrera, D, et al.
Pubblicazione: (2022)

Interlocking-free Selective Rationalization Through Genetic-based Learning
di: Ruggeri, Federico, et al.
Pubblicazione: (2024)

A Bayesian Non-parametric Approach to Generative Models: Integrating Variational Autoencoder and Generative Adversarial Networks using Wasserstein and Maximum Mean Discrepancy
di: Fazeli-Asl, Forough, et al.
Pubblicazione: (2023)

Unexpected Improvements to Expected Improvement for Bayesian Optimization
di: Ament, Sebastian, et al.
Pubblicazione: (2023)

A New Look at Bayesian Testing
di: Datta, Jyotishka, et al.
Pubblicazione: (2026)

Expected Moral Shortfall for Ethical Competence in Decision-making Models
di: Aijaz, Aisha, et al.
Pubblicazione: (2026)

Expected Coordinate Improvement for High-Dimensional Bayesian Optimization
di: Zhan, Dawei
Pubblicazione: (2024)