Buchumschlag

Adaptive sparse variational approximations for Gaussian process regression

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Nieman, Dennis, Szabó, Botond
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Statistics Theory Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Contraction rates for sparse variational approximations in Gaussian process regression
von: Nieman, Dennis, et al.
Veröffentlicht: (2021)

Contraction rates for conjugate gradient and Lanczos approximate posteriors in Gaussian process regression
von: Stankewitz, Bernhard, et al.
Veröffentlicht: (2024)

A non-asymptotic distributional theory of approximate message passing for sparse and robust regression
von: Li, Gen, et al.
Veröffentlicht: (2024)

Adaptive posterior concentration rates for sparse high-dimensional linear regression with random design and unknown error variance
von: Mai, The Tien
Veröffentlicht: (2024)

Theoretical limits of descending $\ell_0$ sparse-regression ML algorithms
von: Stojnic, Mihailo
Veröffentlicht: (2024)

Skew-symmetric approximations of posterior distributions
von: Pozza, Francesco, et al.
Veröffentlicht: (2024)

Skewed Bernstein-von Mises theorem and skew-modal approximations
von: Durante, Daniele, et al.
Veröffentlicht: (2023)

Adaptive finite element type decomposition of Gaussian processes
von: Kim, Jaehoan, et al.
Veröffentlicht: (2025)

Gaussian Mixture Model with unknown diagonal covariances via continuous sparse regularization
von: Giard, Romane, et al.
Veröffentlicht: (2025)

Linear cost and exponentially convergent approximation of Gaussian Matérn processes on intervals
von: Bolin, David, et al.
Veröffentlicht: (2024)

Sharp Gaussian approximations for Decentralized Federated Learning
von: Bonnerjee, Soham, et al.
Veröffentlicht: (2025)

On the best approximation by finite Gaussian mixtures
von: Ma, Yun, et al.
Veröffentlicht: (2024)

Smoothed SGD for quantiles: Bahadur representation and Gaussian approximation
von: Chen, Likai, et al.
Veröffentlicht: (2025)

Estimation of sparse linear regression coefficients under $L$-subexponential covariates
von: Sasai, Takeyuki
Veröffentlicht: (2023)

Adaptive variational Bayes: Optimality, computation and applications
von: Ohn, Ilsang, et al.
Veröffentlicht: (2021)

Vecchia Gaussian Processes: on probabilistic and statistical properties
von: Szabo, Botond, et al.
Veröffentlicht: (2024)

A variational Bayes approach to debiased inference for low-dimensional parameters in high-dimensional linear regression
von: Castillo, Ismaël, et al.
Veröffentlicht: (2024)

Adaptive Divide and Conquer with Two Rounds of Communication
von: Kal, Niladri, et al.
Veröffentlicht: (2025)

Towards multi-purpose locally differentially-private synthetic data release via spline wavelet plug-in estimation
von: Randrianarisoa, Thibault, et al.
Veröffentlicht: (2025)

Scalable multitask Gaussian processes for complex mechanical systems with functional covariates
von: Gninkou, Razak Christophe Sabi, et al.
Veröffentlicht: (2026)

Misclassification bounds for PAC-Bayesian sparse deep learning
von: Mai, The Tien
Veröffentlicht: (2024)

Rolled Gaussian process models for curves on manifolds
von: Preston, Simon, et al.
Veröffentlicht: (2025)

Adaptive Mean Estimation in the Hidden Markov sub-Gaussian Mixture Model
von: Karagulyan, Vahe, et al.
Veröffentlicht: (2024)

Nonparametric logistic regression with deep learning
von: Yara, Atsutomo, et al.
Veröffentlicht: (2024)

Metric space valued Fréchet regression
von: Györfi, László, et al.
Veröffentlicht: (2026)

On damage of interpolation to adversarial robustness in regression
von: Peng, Jingfu, et al.
Veröffentlicht: (2026)

Classification by sparse generalized additive models
von: Abramovich, Felix
Veröffentlicht: (2022)

Effective regions and kernels in continuous sparse regularisation, with application to sketched mixtures
von: De Castro, Yohann, et al.
Veröffentlicht: (2025)

Dynamical local Fréchet curve regression in manifolds
von: Ruiz-Medina, M. D., et al.
Veröffentlicht: (2025)

A sparse PAC-Bayesian approach for high-dimensional quantile prediction
von: Mai, The Tien
Veröffentlicht: (2024)

Covariate shift in nonparametric regression with Markovian design
von: Trottner, Lukas
Veröffentlicht: (2023)

Gaussian random field approximation via Stein's method with applications to wide random neural networks
von: Balasubramanian, Krishnakumar, et al.
Veröffentlicht: (2023)

Sampling depth trade-off in function estimation under a two-level design
von: Horiguchi, Akira, et al.
Veröffentlicht: (2023)

Hard labels sampled from sparse targets mislead rotation invariant algorithms
von: Ghosh, Avrajit, et al.
Veröffentlicht: (2026)

Support estimation in high-dimensional heteroscedastic mean regression
von: Hermann, Philipp, et al.
Veröffentlicht: (2020)

Early stopping and polynomial smoothing in regression with reproducing kernels
von: Averyanov, Yaroslav, et al.
Veröffentlicht: (2020)

Strong identifiability and parameter learning in regression with heterogeneous response
von: Do, Dat, et al.
Veröffentlicht: (2022)

Adaptive Confidence Intervals in Efron's Gaussian Two-Groups Model
von: Wang, Qiaosen, et al.
Veröffentlicht: (2026)

Outrigger local polynomial regression
von: Young, Elliot H., et al.
Veröffentlicht: (2026)

Minimax optimal transfer learning for high-dimensional additive regression
von: Moon, Seung Hyun
Veröffentlicht: (2025)