Buchumschlag

Scalable Bayesian Optimization via Focalized Sparse Gaussian Processes

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wei, Yunyue, Zhuang, Vincent, Soedarmadji, Saraswati, Sui, Yanan
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 Bayesian Optimization for the Control of High-Dimensional Embodied Systems
von: Wei, Yunyue, et al.
Veröffentlicht: (2024)

Scalable Exploration for High-Dimensional Continuous Control via Value-Guided Flow
von: Wei, Yunyue, et al.
Veröffentlicht: (2026)

Embodied Learning of Reward for Musculoskeletal Control with Vision Language Models
von: Soedarmadji, Saraswati, et al.
Veröffentlicht: (2025)

An Invariant Information Geometric Method for High-Dimensional Online Optimization
von: Zhang, Zhengfei, et al.
Veröffentlicht: (2024)

Improving sample efficiency of high dimensional Bayesian optimization with MCMC
von: Yi, Zeji, et al.
Veröffentlicht: (2024)

Scalable Bayesian Optimization with Sparse Gaussian Process Models
von: Yang, Ang
Veröffentlicht: (2020)

Sparse Gaussian Neural Processes
von: Rochussen, Tommy, et al.
Veröffentlicht: (2025)

Motion Control of High-Dimensional Musculoskeletal Systems with Hierarchical Model-Based Planning
von: Wei, Yunyue, et al.
Veröffentlicht: (2025)

Regime-Adaptive Bayesian Optimization via Dirichlet Process Mixtures of Gaussian Processes
von: Zhang, Yan, et al.
Veröffentlicht: (2026)

Population Transformer: Learning Population-level Representations of Neural Activity
von: Chau, Geeling, et al.
Veröffentlicht: (2024)

Pre-trained Gaussian Processes for Bayesian Optimization
von: Wang, Zi, et al.
Veröffentlicht: (2021)

Calibrating Transformers via Sparse Gaussian Processes
von: Chen, Wenlong, et al.
Veröffentlicht: (2023)

Quantum Gaussian Process Regression for Bayesian Optimization
von: Rapp, Frederic, et al.
Veröffentlicht: (2023)

Learning to Focus: Focal Attention for Selective and Scalable Transformers
von: Ram, Dhananjay, et al.
Veröffentlicht: (2025)

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

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

Scalable Bayesian Inference in the Era of Deep Learning: From Gaussian Processes to Deep Neural Networks
von: Antoran, Javier
Veröffentlicht: (2024)

Towards Scalable Bayesian Optimization via Gradient-Informed Bayesian Neural Networks
von: Makrygiorgos, Georgios, et al.
Veröffentlicht: (2025)

A Sparse Bayesian Learning Algorithm for Estimation of Interaction Kernels in Motsch-Tadmor Model
von: Feng, Jinchao, et al.
Veröffentlicht: (2025)

Provably Efficient Bayesian Optimization with Unknown Gaussian Process Hyperparameter Estimation
von: Ha, Huong, et al.
Veröffentlicht: (2023)

Weighted Wasserstein Barycenter of Gaussian Processes for exotic Bayesian Optimization tasks
von: Candelieri, Antonio, et al.
Veröffentlicht: (2026)

Constrained Bayesian Optimization under Bivariate Gaussian Process with Application to Cure Process Optimization
von: Li, Yezhuo, et al.
Veröffentlicht: (2025)

Bayesian Gaussian Process ODEs via Double Normalizing Flows
von: Xu, Jian, et al.
Veröffentlicht: (2023)

Learning to Forget: Bayesian Time Series Forecasting using Recurrent Sparse Spectrum Signature Gaussian Processes
von: Tóth, Csaba, et al.
Veröffentlicht: (2024)

Variational Gaussian Process Diffusion Processes
von: Verma, Prakhar, et al.
Veröffentlicht: (2023)

Standard Gaussian Process is All You Need for High-Dimensional Bayesian Optimization
von: Xu, Zhitong, et al.
Veröffentlicht: (2024)

Improved Regret Bounds for Gaussian Process Upper Confidence Bound in Bayesian Optimization
von: Iwazaki, Shogo
Veröffentlicht: (2025)

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

Sparse Orthogonal Variational Inference for Gaussian Processes
von: Shi, Jiaxin, et al.
Veröffentlicht: (2019)

Inverse-Free Sparse Variational Gaussian Processes
von: Cortinovis, Stefano, et al.
Veröffentlicht: (2026)

Scalable Gaussian Processes with Latent Kronecker Structure
von: Lin, Jihao Andreas, et al.
Veröffentlicht: (2025)

Scalable Deep Basis Kernel Gaussian Processes
von: Zhu, Yunqin, et al.
Veröffentlicht: (2025)

Graph Random Features for Scalable Gaussian Processes
von: Zhang, Matthew, et al.
Veröffentlicht: (2025)

Kernel Multigrid: Accelerate Back-fitting via Sparse Gaussian Process Regression
von: Zou, Lu, et al.
Veröffentlicht: (2024)

From Shallow Bayesian Neural Networks to Gaussian Processes: General Convergence, Identifiability and Scalable Inference
von: de Araújo, Gracielle Antunes, et al.
Veröffentlicht: (2026)

Stochastic Attention: Connectome-Inspired Randomized Routing for Expressive Linear-Time Attention
von: Jin, Zehao, et al.
Veröffentlicht: (2026)

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

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

Numerically Stable Sparse Gaussian Processes via Minimum Separation using Cover Trees
von: Terenin, Alexander, et al.
Veröffentlicht: (2022)

Poisson Process for Bayesian Optimization
von: Wang, Xiaoxing, et al.
Veröffentlicht: (2024)