Buchumschlag

Optimal Kernel Learning for Gaussian Process Models with High-Dimensional Input

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kang, Lulu, Xu, Minshen
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Methodology G.3
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Kernel Discrepancy-Based Rerandomization for Controlled Experiments
von: Li, Yiou, et al.
Veröffentlicht: (2019)

Bayesian Bridge Gaussian Process Regression
von: Xu, Minshen, et al.
Veröffentlicht: (2025)

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

Kernel-based estimators for functional causal effects
von: Raykov, Yordan P., et al.
Veröffentlicht: (2025)

Locally Optimal Design for A/B Testing in the Presence of Covariates and Network Connection
von: Zhang, Qiong, et al.
Veröffentlicht: (2020)

Design of Experiments for Emulations: A Selective Review from a Modeling Perspective
von: Deng, Xinwei, et al.
Veröffentlicht: (2025)

Prediction-Augmented Trees for Reliable Statistical Inference
von: Kher, Vikram, et al.
Veröffentlicht: (2025)

Adaptive Multi-Prior Lasso for High-Dimensional Generalized Linear Models
von: Xu, Fuzhi, et al.
Veröffentlicht: (2026)

Fast Gaussian Processes under Monotonicity Constraints
von: Zhang, Chao, et al.
Veröffentlicht: (2025)

Retrospective Counterfactual Prediction by Conditioning on the Factual Outcome: A Cross-World Approach
von: Bodik, Juraj
Veröffentlicht: (2026)

Byzantine-tolerant distributed learning of finite mixture models
von: Zhang, Qiong, et al.
Veröffentlicht: (2024)

The Kernel Manifold: A Geometric Approach to Gaussian Process Model Selection
von: Islam, Md Shafiqul, et al.
Veröffentlicht: (2026)

Beyond Normality: Reliable A/B Testing with Non-Gaussian Data
von: Gong, Junpeng, et al.
Veröffentlicht: (2025)

Individualized Dynamic Latent Factor Model for Multi-resolutional Data with Application to Mobile Health
von: Zhang, Jiuchen, et al.
Veröffentlicht: (2023)

On an $L^2$ norm for stationary ARMA processes
von: Ganesh, Anand, et al.
Veröffentlicht: (2024)

cc-Shapley: Measuring Multivariate Feature Importance Needs Causal Context
von: Martin, Jörg, et al.
Veröffentlicht: (2026)

Wasserstein-type Gaussian Process Regressions for Input Measurement Uncertainty
von: Luo, Hengrui, et al.
Veröffentlicht: (2026)

Aggregation Models with Optimal Weights for Distributed Gaussian Processes
von: Chen, Haoyuan, et al.
Veröffentlicht: (2024)

A Robust Monotonic Single-Index Model for Skewed and Heavy-Tailed Data: A Deep Neural Network Approach Applied to Periodontal Studies
von: Liu, Qingyang, et al.
Veröffentlicht: (2025)

Partition-Based Functional Ridge Regression for High-Dimensional Data
von: Ashraf, Shaista, et al.
Veröffentlicht: (2026)

Unity Forests: Improving Interaction Modelling and Interpretability in Random Forests
von: Hornung, Roman, et al.
Veröffentlicht: (2026)

Mixed-type Distance Shrinkage and Selection for Clustering via Kernel Metric Learning
von: Ghashti, Jesse S., et al.
Veröffentlicht: (2023)

On relative universality, regression operator, and conditional independence
von: Li, Bing, et al.
Veröffentlicht: (2025)

Using Time Structure to Estimate Causal Effects
von: Hochsprung, Tom, et al.
Veröffentlicht: (2025)

Going NUTS with ADVI: Exploring various Bayesian Inference techniques with Facebook Prophet
von: Krajevski, Jovan, et al.
Veröffentlicht: (2026)

A Survey of Methods, Challenges and Perspectives in Causality
von: Gendron, Gaël, et al.
Veröffentlicht: (2023)

Markov chain models for inspecting response dynamics in psychological testing
von: Bosco, Andrea
Veröffentlicht: (2024)

Estimation and Uniform Inference in Sparse High-Dimensional Additive Models
von: Bach, Philipp, et al.
Veröffentlicht: (2020)

Statistical Inferences and Predictions for Areal Data and Spatial Data Fusion with Hausdorff--Gaussian Processes
von: Godoy, Lucas da Cunha, et al.
Veröffentlicht: (2022)

The Unified Non-Convex Framework for Robust Causal Inference: Overcoming the Gaussian Barrier and Optimization Fragility
von: Uehara, Eichi
Veröffentlicht: (2025)

A Bayesian Gaussian Process-Based Latent Discriminative Generative Decoder (LDGD) Model for High-Dimensional Data
von: Ziaei, Navid, et al.
Veröffentlicht: (2024)

Recursive random binning to detect and display pairwise dependence
von: Salahub, Chris, et al.
Veröffentlicht: (2023)

Efficient Decision Trees for Tensor Regressions
von: Luo, Hengrui, et al.
Veröffentlicht: (2024)

Sparklen: A Statistical Learning Toolkit for High-Dimensional Hawkes Processes in Python
von: Lacoste, Romain Edmond
Veröffentlicht: (2025)

Efficient Two-Stage Gaussian Process Regression Via Automatic Kernel Search and Subsampling
von: Zhao, Shifan, et al.
Veröffentlicht: (2024)

Oblivious subspace embeddings for compressed Tucker decompositions
von: Pietrosanu, Matthew, et al.
Veröffentlicht: (2024)

High-Dimensional Change-Point Detection via Angular Kernel Statistics
von: Choudhury, Jyotishka Ray, et al.
Veröffentlicht: (2026)

Self-Supervised Learning with Gaussian Processes
von: Duan, Yunshan, et al.
Veröffentlicht: (2025)

A Relative Ignorability Framework for Decision-Relevant Observability in Control Theory and Reinforcement Learning
von: Bleile, MaryLena, et al.
Veröffentlicht: (2025)

Optimal Discriminant Analysis in High-Dimensional Latent Factor Models
von: Bing, Xin, et al.
Veröffentlicht: (2022)