Copertina

Massively Parallel Expectation Maximization For Approximate Posteriors

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Heap, Thomas, Bowyer, Sam, Aitchison, Laurence
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Using Autodiff to Estimate Posterior Moments, Marginals and Samples
di: Bowyer, Sam, et al.
Pubblicazione: (2023)

Position: Don't Use the CLT in LLM Evals With Fewer Than a Few Hundred Datapoints
di: Bowyer, Sam, et al.
Pubblicazione: (2025)

Automated Interpretability Metrics Do Not Distinguish Trained and Random Transformers
di: Heap, Thomas, et al.
Pubblicazione: (2025)

Learning Generation Orders for Masked Discrete Diffusion Models via Variational Inference
di: Fox, David, et al.
Pubblicazione: (2026)

Why you don't overfit, and don't need Bayes if you only train for one epoch
di: Aitchison, Laurence
Pubblicazione: (2024)

Controlling changes to attention logits
di: Anson, Ben, et al.
Pubblicazione: (2025)

Batch size invariant Adam
di: Wang, Xi, et al.
Pubblicazione: (2024)

Learning to Skip the Middle Layers of Transformers
di: Lawson, Tim, et al.
Pubblicazione: (2025)

How to set AdamW's weight decay as you scale model and dataset size
di: Wang, Xi, et al.
Pubblicazione: (2024)

Stochastic Approximation with Biased MCMC for Expectation Maximization
di: Gruffaz, Samuel, et al.
Pubblicazione: (2024)

Function-Space Learning Rates
di: Milsom, Edward, et al.
Pubblicazione: (2025)

Using Neural Networks for Data Cleaning in Weather Datasets
di: Hanslope, Jack R. P., et al.
Pubblicazione: (2024)

Flexible Infinite-Width Graph Convolutional Neural Networks
di: Anson, Ben, et al.
Pubblicazione: (2024)

Convolutional Deep Kernel Machines
di: Milsom, Edward, et al.
Pubblicazione: (2023)

Stochastic Kernel Regularisation Improves Generalisation in Deep Kernel Machines
di: Milsom, Edward, et al.
Pubblicazione: (2024)

Allocating Variance to Maximize Expectation
di: Leme, Renato Purita Paes, et al.
Pubblicazione: (2025)

Scale-invariant Attention
di: Anson, Ben, et al.
Pubblicazione: (2025)

Diffusion Alignment as Variational Expectation-Maximization
di: Lee, Jaewoo, et al.
Pubblicazione: (2025)

MONGOOSE: Path-wise Smooth Bayesian Optimisation via Meta-learning
di: Yang, Adam X., et al.
Pubblicazione: (2023)

Bayesian Deep Learning Via Expectation Maximization and Turbo Deep Approximate Message Passing
di: Xu, Wei, et al.
Pubblicazione: (2024)

Density Operator Expectation Maximization
di: Vishnu, Adit, et al.
Pubblicazione: (2025)

Deep Generative Clustering with VAEs and Expectation-Maximization
di: Adipoetra, Michael, et al.
Pubblicazione: (2025)

Bayesian Low-rank Adaptation for Large Language Models
di: Yang, Adam X., et al.
Pubblicazione: (2023)

Learning to Reason in LLMs by Expectation Maximization
di: Lee, Junghyun, et al.
Pubblicazione: (2025)

Efficient Benchmarking Is Just Feature Selection and Multiple Regression
di: Bowyer, Sam, et al.
Pubblicazione: (2026)

Residual Stream Analysis with Multi-Layer SAEs
di: Lawson, Tim, et al.
Pubblicazione: (2024)

SEMF: Supervised Expectation-Maximization Framework for Predicting Intervals
di: Azizi, Ilia, et al.
Pubblicazione: (2024)

Learning Diffusion Priors from Observations by Expectation Maximization
di: Rozet, François, et al.
Pubblicazione: (2024)

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

Importance Weighted Expectation-Maximization for Protein Sequence Design
di: Song, Zhenqiao, et al.
Pubblicazione: (2023)

Uncertainty-Aware Graph Self-Training with Expectation-Maximization Regularization
di: Wang, Emily, et al.
Pubblicazione: (2025)

Learning Mixture Density via Natural Gradient Expectation Maximization
di: Chen, Yutao, et al.
Pubblicazione: (2026)

Expectation Maximization Pseudo Labels
di: Xu, Moucheng, et al.
Pubblicazione: (2023)

Robust Classification with Noisy Labels Based on Posterior Maximization
di: Novello, Nicola, et al.
Pubblicazione: (2025)

Jacobian Sparse Autoencoders: Sparsify Computations, Not Just Activations
di: Farnik, Lucy, et al.
Pubblicazione: (2025)

Rodent-Bench
di: Heap, Thomas, et al.
Pubblicazione: (2026)

Approximate Maximum Likelihood Inference for Acoustic Spatial Capture-Recapture with Unknown Identities, Using Monte Carlo Expectation Maximization
di: Wang, Yuheng, et al.
Pubblicazione: (2024)

Convergence of Expectation-Maximization Algorithm with Mixed-Integer Optimization
di: Joseph, Geethu
Pubblicazione: (2024)

Expectation Maximization (EM) Converges for General Agnostic Mixtures
di: Ghosh, Avishek
Pubblicazione: (2026)

Characterizing Evolution in Expectation-Maximization Estimates for Overspecified Mixed Linear Regression
di: Luo, Zhankun, et al.
Pubblicazione: (2025)