Buchumschlag

Gaussian Process Thompson Sampling via Rootfinding

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Adebiyi, Taiwo A., Do, Bach, Zhang, Ruda
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Optimization and Control
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Optimizing Posterior Samples for Bayesian Optimization via Rootfinding
von: Adebiyi, Taiwo A., et al.
Veröffentlicht: (2024)

Epsilon-Greedy Thompson Sampling to Bayesian Optimization
von: Do, Bach, et al.
Veröffentlicht: (2024)

Sampling from Gaussian Processes: A Tutorial and Applications in Global Sensitivity Analysis and Optimization
von: Do, Bach, et al.
Veröffentlicht: (2025)

Multi-fidelity Bayesian Optimization: A Review
von: Do, Bach, et al.
Veröffentlicht: (2023)

Achieving high-performance polarization-independent nonreciprocal thermal radiation with pattern-free heterostructures
von: Do, Bach, et al.
Veröffentlicht: (2025)

Frequentist Regret Analysis of Gaussian Process Thompson Sampling via Fractional Posteriors
von: Roy, Somjit, et al.
Veröffentlicht: (2026)

Multi-fidelity Machine Learning for Uncertainty Quantification and Optimization
von: Zhang, Ruda, et al.
Veröffentlicht: (2024)

Feel-Good Thompson Sampling for Contextual Dueling Bandits
von: Li, Xuheng, et al.
Veröffentlicht: (2024)

Automated design of nonreciprocal thermal emitters via Bayesian optimization
von: Do, Bach, et al.
Veröffentlicht: (2024)

Variance-Aware Feel-Good Thompson Sampling for Contextual Bandits
von: Li, Xuheng, et al.
Veröffentlicht: (2025)

MINTS: Minimalist Thompson Sampling
von: Wang, Kaizheng
Veröffentlicht: (2026)

Analysis of Thompson Sampling for Controlling Unknown Linear Diffusion Processes
von: Faradonbeh, Mohamad Kazem Shirani, et al.
Veröffentlicht: (2022)

Modified Meta-Thompson Sampling for Linear Bandits and Its Bayes Regret Analysis
von: Li, Hao, et al.
Veröffentlicht: (2024)

Deconfounded Warm-Start Thompson Sampling with Applications to Precision Medicine
von: Jaiswal, Prateek, et al.
Veröffentlicht: (2025)

Finite-Sample-Based Reachability for Safe Control with Gaussian Process Dynamics
von: Prajapat, Manish, et al.
Veröffentlicht: (2025)

Robust Gaussian Processes via Relevance Pursuit
von: Ament, Sebastian, et al.
Veröffentlicht: (2024)

Bayesian Optimization under Uncertainty for Training a Scale Parameter in Stochastic Models
von: Yadav, Akash, et al.
Veröffentlicht: (2025)

qPOTS: Efficient batch multiobjective Bayesian optimization via Pareto optimal Thompson sampling
von: Renganathan, Ashwin, et al.
Veröffentlicht: (2023)

Distributed Thompson sampling under constrained communication
von: Zerefa, Saba, et al.
Veröffentlicht: (2024)

Calibrating Scientific Foundation Models with Inference-Time Stochastic Attention
von: Yadav, Akash, et al.
Veröffentlicht: (2026)

Optimism Stabilizes Thompson Sampling for Adaptive Inference
von: Yan, Shunxing, et al.
Veröffentlicht: (2026)

Global Optimization of Gaussian Process Acquisition Functions Using a Piecewise-Linear Kernel Approximation
von: Xie, Yilin, et al.
Veröffentlicht: (2024)

Intrinsic Gaussian Processes on Manifolds and Their Accelerations by Symmetry
von: Ye, Ke, et al.
Veröffentlicht: (2020)

On the Effectiveness of the z-Transform Method in Quadratic Optimization
von: Bach, Francis
Veröffentlicht: (2025)

A Convex Loss Function for Set Prediction with Optimal Trade-offs Between Size and Conditional Coverage
von: Bach, Francis
Veröffentlicht: (2025)

Learning Surrogate Potential Mean Field Games via Gaussian Processes: A Data-Driven Approach to Ill-Posed Inverse Problems
von: Zhang, Jingguo, et al.
Veröffentlicht: (2025)

Theoretical Analysis of Heteroscedastic Gaussian Processes with Posterior Distributions
von: Ito, Yuji
Veröffentlicht: (2024)

Gaussian Process Regression with Soft Inequality and Monotonicity Constraints
von: Kochan, Didem, et al.
Veröffentlicht: (2024)

Turbocharging Gaussian Process Inference with Approximate Sketch-and-Project
von: Rathore, Pratik, et al.
Veröffentlicht: (2025)

Wasserstein Barycenter Gaussian Process based Bayesian Optimization
von: Candelieri, Antonio, et al.
Veröffentlicht: (2025)

No-Regret Gaussian Process Optimization of Time-Varying Functions
von: Mauduit, Eliabelle, et al.
Veröffentlicht: (2025)

Data-Driven Stochastic AC-OPF using Gaussian Processes
von: Mitrovic, Mile
Veröffentlicht: (2024)

Physics-informed Gaussian Processes as Linear Model Predictive Controller
von: Tebbe, Jörn, et al.
Veröffentlicht: (2024)

An Efficient Spatial Branch-and-Bound Algorithm for Global Optimization of Gaussian Process Posterior Mean Functions
von: Tang, Wei-Ting, et al.
Veröffentlicht: (2026)

Optimal Sample Complexity for Average Reward Markov Decision Processes
von: Wang, Shengbo, et al.
Veröffentlicht: (2023)

Regret Bounds for Expected Improvement Algorithms in Gaussian Process Bandit Optimization
von: Tran-The, Hung, et al.
Veröffentlicht: (2022)

Scaling Laws for Gradient Descent and Sign Descent for Linear Bigram Models under Zipf's Law
von: Kunstner, Frederik, et al.
Veröffentlicht: (2025)

Safe Time-Varying Optimization based on Gaussian Processes with Spatio-Temporal Kernel
von: Li, Jialin, et al.
Veröffentlicht: (2024)

Achieving Instance-dependent Sample Complexity for Constrained Markov Decision Process
von: Jiang, Jiashuo, et al.
Veröffentlicht: (2024)

Digital Twins and Civil Engineering Phases: Reorienting Adoption Strategies
von: Adebiyi, Taiwo A., et al.
Veröffentlicht: (2024)