Buchumschlag

Sample-Efficient Bayesian Transfer Learning for Online Machine Parameter Optimization

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wagner, Philipp, Nagel, Tobias, Leube, Philipp, Huber, Marco F.
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Optimized Speculative Sampling for GPU Hardware Accelerators
von: Wagner, Dominik, et al.
Veröffentlicht: (2024)

Sample-Efficient Bayesian Optimization with Transfer Learning for Heterogeneous Search Spaces
von: Deshwal, Aryan, et al.
Veröffentlicht: (2024)

Actor-Critic Pretraining for Proximal Policy Optimization
von: Kernbach, Andreas, et al.
Veröffentlicht: (2026)

Predicting Onflow Parameters Using Transfer Learning for Domain and Task Adaptation
von: Yilmaz, Emre, et al.
Veröffentlicht: (2025)

Goal-Driven Adaptive Sampling Strategies for Machine Learning Models Predicting Fields
von: Parekh, Jigar, et al.
Veröffentlicht: (2026)

Energy Optimized Piecewise Polynomial Approximation Utilizing Modern Machine Learning Optimizers
von: Waclawek, Hannes, et al.
Veröffentlicht: (2025)

Efficient RF Passive Components Modeling with Bayesian Online Learning and Uncertainty Aware Sampling
von: Zhang, Huifan, et al.
Veröffentlicht: (2025)

Machine Learning Optimized Orthogonal Basis Piecewise Polynomial Approximation
von: Waclawek, Hannes, et al.
Veröffentlicht: (2024)

From Overfitting to Reliability: Introducing the Hierarchical Approximate Bayesian Neural Network
von: Amirkhanian, Hayk, et al.
Veröffentlicht: (2025)

Bidirectional Information Flow (BIF) -- A Sample Efficient Hierarchical Gaussian Process for Bayesian Optimization
von: Guerra, Juan D., et al.
Veröffentlicht: (2025)

Cross-Problem Parameter Transfer in Quantum Approximate Optimization Algorithm: A Machine Learning Approach
von: Nguyen, Kien X., et al.
Veröffentlicht: (2025)

Transfer Learning in Bayesian Optimization for Aircraft Design
von: Tfaily, Ali, et al.
Veröffentlicht: (2026)

CapyMOA: Efficient Machine Learning for Data Streams and Online Continual Learning in Python
von: Gomes, Heitor Murilo, et al.
Veröffentlicht: (2025)

Online Sharp-Calibrated Bayesian Optimization
von: Sinaga, Marshal Arijona, et al.
Veröffentlicht: (2026)

Is Limited Participant Diversity Impeding EEG-based Machine Learning?
von: Bomatter, Philipp, et al.
Veröffentlicht: (2025)

A Bayesian Model for Online Activity Sample Sizes
von: Richardson, Thomas, et al.
Veröffentlicht: (2021)

Data Efficient Prediction of excited-state properties using Quantum Neural Networks
von: Hagelüken, Manuel, et al.
Veröffentlicht: (2024)

Transfer Learning for Bayesian Optimization on Heterogeneous Search Spaces
von: Fan, Zhou, et al.
Veröffentlicht: (2023)

Trustworthy and Explainable Deep Reinforcement Learning for Safe and Energy-Efficient Process Control: A Use Case in Industrial Compressed Air Systems
von: Bezold, Vincent, et al.
Veröffentlicht: (2025)

Automated Machine Learning for Remaining Useful Life Predictions
von: Zöller, Marc-André, et al.
Veröffentlicht: (2023)

Efficient Parameter Estimation for Bayesian Network Classifiers using Hierarchical Linear Smoothing
von: Cooper, Connor, et al.
Veröffentlicht: (2025)

Predicting Length of Stay in Neurological ICU Patients Using Classical Machine Learning and Neural Network Models: A Benchmark Study on MIMIC-IV
von: Gabitashvili, Alexander, et al.
Veröffentlicht: (2025)

Quantum Architecture Search for Solving Quantum Machine Learning Tasks
von: Kölle, Michael, et al.
Veröffentlicht: (2025)

Provable Accelerated Bayesian Optimization with Knowledge Transfer
von: Lin, Haitao, et al.
Veröffentlicht: (2025)

Scalable Bayesian Inference for Nonlinear Conservation Laws
von: Weiland, Tim, et al.
Veröffentlicht: (2026)

Identifying Ordinary Differential Equations for Data-efficient Model-based Reinforcement Learning
von: Nagel, Tobias, et al.
Veröffentlicht: (2024)

Optimizing Specific and Shared Parameters for Efficient Parameter Tuning
von: Nguyen, Van-Anh, et al.
Veröffentlicht: (2025)

Fast, Precise Thompson Sampling for Bayesian Optimization
von: Sweet, David
Veröffentlicht: (2024)

On Regret Bounds of Thompson Sampling for Bayesian Optimization
von: Takeno, Shion, et al.
Veröffentlicht: (2026)

Posterior Sampling-Based Bayesian Optimization with Tighter Bayesian Regret Bounds
von: Takeno, Shion, et al.
Veröffentlicht: (2023)

Parameter-Efficient Transfer Learning for Music Foundation Models
von: Ding, Yiwei, et al.
Veröffentlicht: (2024)

Bayesian Autoregressive Online Change-Point Detection with Time-Varying Parameters
von: Tsaknaki, Ioanna-Yvonni, et al.
Veröffentlicht: (2024)

Online Importance Sampling for Stochastic Gradient Optimization
von: Salaün, Corentin, et al.
Veröffentlicht: (2023)

Repulsive Ensembles for Bayesian Inference in Physics-informed Neural Networks
von: Pilar, Philipp, et al.
Veröffentlicht: (2025)

Sample Efficient Bayesian Learning of Causal Graphs from Interventions
von: Zhou, Zihan, et al.
Veröffentlicht: (2024)

Less is More: Parameter-Efficient Selection of Intermediate Tasks for Transfer Learning
von: Schulte, David, et al.
Veröffentlicht: (2024)

Efficiently Transforming Neural Networks into Decision Trees: A Path to Ground Truth Explanations with RENTT
von: Monke, Helena, et al.
Veröffentlicht: (2025)

Towards Lifelong Learning Embeddings: An Algorithmic Approach to Dynamically Extend Embeddings
von: Gomes, Miguel Alves, et al.
Veröffentlicht: (2024)

Reparameterization invariance in approximate Bayesian inference
von: Roy, Hrittik, et al.
Veröffentlicht: (2024)

Machine Learning Optimized Approach for Parameter Selection in MESHFREE Simulations
von: Banerjee, Paulami, et al.
Veröffentlicht: (2024)