Buchumschlag

Sparse Gaussian Neural Processes

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Rochussen, Tommy, Fortuin, Vincent
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

Amortising Inference and Meta-Learning Priors in Neural Networks
von: Rochussen, Tommy, et al.
Veröffentlicht: (2026)

Structured Partial Stochasticity in Bayesian Neural Networks
von: Rochussen, Tommy
Veröffentlicht: (2024)

Incremental Transformer Neural Processes
von: Mortimer, Philip, et al.
Veröffentlicht: (2026)

Stein Variational Newton Neural Network Ensembles
von: Flöge, Klemens, et al.
Veröffentlicht: (2024)

Improving Neural Additive Models with Bayesian Principles
von: Bouchiat, Kouroche, et al.
Veröffentlicht: (2023)

ProSpero: Active Learning for Robust Protein Design Beyond Wild-Type Neighborhoods
von: Kmicikiewicz, Michal, et al.
Veröffentlicht: (2025)

Standard Acquisition Is Sufficient for Asynchronous Bayesian Optimization
von: Riegler, Ben, et al.
Veröffentlicht: (2026)

Incorporating Unlabelled Data into Bayesian Neural Networks
von: Sharma, Mrinank, et al.
Veröffentlicht: (2023)

Shaving Weights with Occam's Razor: Bayesian Sparsification for Neural Networks Using the Marginal Likelihood
von: Dhahri, Rayen, et al.
Veröffentlicht: (2024)

Scalable Bayesian Optimization via Focalized Sparse Gaussian Processes
von: Wei, Yunyue, et al.
Veröffentlicht: (2024)

In-Context Function Learning in Large Language Models
von: Akata, Elif, et al.
Veröffentlicht: (2026)

On the Effect of Regularization on Nonparametric Mean-Variance Regression
von: Wong-Toi, Eliot, et al.
Veröffentlicht: (2025)

Understanding Pathologies of Deep Heteroskedastic Regression
von: Wong-Toi, Eliot, et al.
Veröffentlicht: (2023)

Towards Dynamic Feature Acquisition on Medical Time Series by Maximizing Conditional Mutual Information
von: Sergeev, Fedor, et al.
Veröffentlicht: (2024)

Parameter-efficient Bayesian Neural Networks for Uncertainty-aware Depth Estimation
von: Paul, Richard D., et al.
Veröffentlicht: (2024)

Can Transformers Learn Full Bayesian Inference in Context?
von: Reuter, Arik, et al.
Veröffentlicht: (2025)

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

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

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

Inverse-Free Sparse Variational Gaussian Processes
von: Cortinovis, Stefano, 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)

FSP-Laplace: Function-Space Priors for the Laplace Approximation in Bayesian Deep Learning
von: Cinquin, Tristan, et al.
Veröffentlicht: (2024)

Sparse Gaussian Processes: Structured Approximations and Power-EP Revisited
von: Bui, Thang D., et al.
Veröffentlicht: (2025)

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

Symbolic Regression on Sparse and Noisy Data with Gaussian Processes
von: Hsin, Junette, et al.
Veröffentlicht: (2023)

Three Costs of Amortizing Gaussian Process Inference with Neural Processes
von: Young, Robin
Veröffentlicht: (2026)

How Useful is Intermittent, Asynchronous Expert Feedback for Bayesian Optimization?
von: Kristiadi, Agustinus, et al.
Veröffentlicht: (2024)

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

Gaussian Processes Sampling with Sparse Grids under Additive Schwarz Preconditioner
von: Chen, Haoyuan, et al.
Veröffentlicht: (2024)

Conformal Approach To Gaussian Process Surrogate Evaluation With Coverage Guarantees
von: Jaber, Edgar, et al.
Veröffentlicht: (2024)

Gaussian Process Neural Additive Models
von: Zhang, Wei, et al.
Veröffentlicht: (2024)

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

A Partitioned Sparse Variational Gaussian Process for Fast, Distributed Spatial Modeling
von: Grosskopf, Michael, et al.
Veröffentlicht: (2025)

Efficient Sensor Placement from Regression with Sparse Gaussian Processes in Continuous and Discrete Spaces
von: Jakkala, Kalvik, 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)

Gaussian Process Regression -- Neural Network Hybrid with Optimized Redundant Coordinates
von: Manzhos, Sergei, et al.
Veröffentlicht: (2025)

Vecchia Gaussian Process Ensembles on Internal Representations of Deep Neural Networks
von: Jimenez, Felix, et al.
Veröffentlicht: (2023)

Random ReLU Neural Networks as Non-Gaussian Processes
von: Parhi, Rahul, et al.
Veröffentlicht: (2024)

Sparse Variational Contaminated Noise Gaussian Process Regression with Applications in Geomagnetic Perturbations Forecasting
von: Iong, Daniel, et al.
Veröffentlicht: (2024)