Buchumschlag

Learning signals defined on graphs with optimal transport and Gaussian process regression

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Perez, Raphaël Carpintero, da Veiga, Sébastien, Garnier, Josselin, Staber, Brian
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

Gaussian process regression with Sliced Wasserstein Weisfeiler-Lehman graph kernels
von: Perez, Raphaël Carpintero, et al.
Veröffentlicht: (2024)

A reproducible comparative study of categorical kernels for Gaussian process regression, with new clustering-based nested kernels
von: Perez, Raphaël Carpintero, et al.
Veröffentlicht: (2025)

Multifidelity Gaussian process regression for solving nonlinear partial differential equations
von: El-Boukkouri, Fatima-Zahrae, et al.
Veröffentlicht: (2026)

Distributional encoding for Gaussian process regression with qualitative inputs
von: Da Veiga, Sébastien
Veröffentlicht: (2025)

Scalable and adaptive prediction bands with kernel sum-of-squares
von: Allain, Louis, et al.
Veröffentlicht: (2025)

General reproducing properties in RKHS with application to derivative and integral operators
von: El-Boukkouri, Fatima-Zahrae, et al.
Veröffentlicht: (2025)

Imaging in randomly layered media by cross-correlating noisy signals / Josselin Garnier
von: Garnier, Josselin
Veröffentlicht: (2005)

Tensile2d: 2D quasistatic non-linear structural mechanics solutions, under geometrical variations
von: Casenave, Fabien, et al.
Veröffentlicht: (2023)

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

FGM optimization in complex domains using Gaussian process regression based profile generation algorithm
von: Konda, Chaitanya Kumar, et al.
Veröffentlicht: (2025)

Asymmetric conformal prediction with penalized kernel sum-of-squares
von: Allain, Louis, et al.
Veröffentlicht: (2026)

On Hallucinations in Inverse Problems: Fundamental Limits and Provable Assessment Methods
von: Iagaru, David, et al.
Veröffentlicht: (2026)

Adaptive sparse variational approximations for Gaussian process regression
von: Nieman, Dennis, et al.
Veröffentlicht: (2025)

Multi-fidelity Gaussian process regression for noisy outputs and non-nested experimental designs: a comparison between the recursive and non-recursive formulations
von: Baillie, Nils, et al.
Veröffentlicht: (2025)

Dimension-Uniform Discretization Analysis of Preconditioned Annealed Langevin Dynamics for Multimodal Gaussian Mixtures
von: Baldassari, Lorenzo, et al.
Veröffentlicht: (2026)

Learning battery model parameter dynamics from data with recursive Gaussian process regression
von: Aitio, Antti, et al.
Veröffentlicht: (2023)

Byzantine-resilient federated online learning for Gaussian process regression
von: Zhang, Xu, et al.
Veröffentlicht: (2025)

Tensor network square root Kalman filter for online Gaussian process regression
von: Menzen, Clara, et al.
Veröffentlicht: (2024)

GPTreeO: An R package for continual regression with dividing local Gaussian processes
von: Braun, Timo, et al.
Veröffentlicht: (2024)

PLAID: A Unified Data Model for Machine Learning on Heterogeneous Physics Simulations
von: Casenave, Fabien, et al.
Veröffentlicht: (2025)

Learning multi-phase flow and transport in fractured porous media with auto-regressive and recurrent graph neural networks
von: Kobaisi, Mohammed Al, et al.
Veröffentlicht: (2025)

Quantum-assisted Gaussian process regression using random Fourier features
von: Galvis-Florez, Cristian A., et al.
Veröffentlicht: (2025)

Contraction rates for conjugate gradient and Lanczos approximate posteriors in Gaussian process regression
von: Stankewitz, Bernhard, et al.
Veröffentlicht: (2024)

Gaussian process surrogate with physical law-corrected prior for multi-coupled PDEs defined on irregular geometry
von: Tang, Pucheng, et al.
Veröffentlicht: (2025)

Projected Task-Specific Layers for Multi-Task Reinforcement Learning
von: Roberts, Josselin Somerville, et al.
Veröffentlicht: (2023)

Multi-fidelity Gaussian process surrogate modeling for regression problems in physics
von: Ravi, Kislaya, et al.
Veröffentlicht: (2024)

Gaussian entropic optimal transport: Schrödinger bridges and the Sinkhorn algorithm
von: Akyildiz, O. Deniz, et al.
Veröffentlicht: (2024)

Modeling groundwater levels in California's Central Valley by hierarchical Gaussian process and neural network regression
von: Pradhan, Anshuman, et al.
Veröffentlicht: (2023)

Robust non-parametric mortality and fertility modelling and forecasting: Gaussian process regression approaches
von: Lam, Ka Kin, et al.
Veröffentlicht: (2021)

Surrogate modeling for Bayesian optimization beyond a single Gaussian process
von: Lu, Qin, et al.
Veröffentlicht: (2022)

Uniform convergence for Gaussian kernel ridge regression
von: Dommel, Paul, et al.
Veröffentlicht: (2025)

Semi-Supervised Learning for Bilingual Lexicon Induction
von: Garnier, Paul, et al.
Veröffentlicht: (2024)

Conformalized Gaussian processes for online uncertainty quantification over graphs
von: Xu, Jinwen, et al.
Veröffentlicht: (2025)

Temporal receptive field in dynamic graph learning: A comprehensive analysis
von: Karmim, Yannis, et al.
Veröffentlicht: (2024)

Attention layers provably solve single-location regression
von: Marion, Pierre, et al.
Veröffentlicht: (2024)

Bayesian autoregression to optimize temporal Matérn kernel Gaussian process hyperparameters
von: Kouw, Wouter M.
Veröffentlicht: (2025)

Convex estimation of Gaussian graphical regression models with covariates
von: Liu, Ruobin, et al.
Veröffentlicht: (2024)

Evaluation of uncertainty estimations for Gaussian process regression based machine learning interatomic potentials
von: Holzenkamp, Matthias, 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)

Dimension-Free Multimodal Sampling via Preconditioned Annealed Langevin Dynamics
von: Baldassari, Lorenzo, et al.
Veröffentlicht: (2026)