Buchumschlag

Sparse Techniques for Regression in Deep Gaussian Processes

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Latz, Jonas, Teckentrup, Aretha L., Urbainczyk, Simon
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Computation
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Deep Gaussian Process Priors for Bayesian Image Reconstruction
von: Latz, Jonas, et al.
Veröffentlicht: (2024)

Gaussian processes for Bayesian inverse problems associated with linear partial differential equations
von: Bai, Tianming, et al.
Veröffentlicht: (2023)

Lengthscale-informed sparse grids for kernel methods in high dimensions
von: Addy, Elliot J., et al.
Veröffentlicht: (2025)

Posterior Consistency for Gaussian Process Approximations of Bayesian Posterior Distributions
von: Stuart, Andrew M., et al.
Veröffentlicht: (2016)

Convergence rates of non-stationary and deep Gaussian process regression
von: Osborne, Conor, et al.
Veröffentlicht: (2023)

Smoothed Circulant Embedding with Applications to Multilevel Monte Carlo Methods for PDEs with Random Coefficients
von: Istratuca, Anastasia, et al.
Veröffentlicht: (2023)

Subsampling Error in Stochastic Gradient Langevin Diffusions
von: Jin, Kexin, et al.
Veröffentlicht: (2023)

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

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

Quantum-Assisted Hilbert-Space Gaussian Process Regression
von: Farooq, Ahmad, et al.
Veröffentlicht: (2024)

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

Asymptotic and pre-asymptotic convergence of sparse grids for anisotropic kernel interpolation
von: Addy, Elliot J., et al.
Veröffentlicht: (2026)

Uniform Error Bounds for Gaussian Process Regression with Application to Safe Control
von: Lederer, Armin, et al.
Veröffentlicht: (2019)

GPRat: Gaussian Process Regression with Asynchronous Tasks
von: Helmann, Maksim, 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)

Sparse Gaussian Neural Processes
von: Rochussen, Tommy, et al.
Veröffentlicht: (2025)

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

Likelihood-Free Gaussian Process for Regression
von: Shikuri, Yuta
Veröffentlicht: (2020)

Implicit Manifold Gaussian Process Regression
von: Fichera, Bernardo, et al.
Veröffentlicht: (2023)

Robust and Conjugate Gaussian Process Regression
von: Altamirano, Matias, et al.
Veröffentlicht: (2023)

Mean-field Variational Bayes for Sparse Probit Regression
von: Fasano, Augusto, et al.
Veröffentlicht: (2026)

How to beat a Bayesian adversary
von: Ding, Zihan, et al.
Veröffentlicht: (2024)

An Intuitive Tutorial to Gaussian Process Regression
von: Wang, Jie
Veröffentlicht: (2020)

Obstacle-aware Gaussian Process Regression
von: Shrivastava, Gaurav
Veröffentlicht: (2024)

Relative Information Gain and Gaussian Process Regression
von: Flynn, Hamish
Veröffentlicht: (2025)

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)

Efficient Implementation of Gaussian Process Regression Accelerated Saddle Point Searches with Application to Molecular Reactions
von: Goswami, Rohit, et al.
Veröffentlicht: (2025)

Privacy-aware Gaussian Process Regression
von: Tuo, Rui, et al.
Veröffentlicht: (2023)

Bayesian Circular Regression with von Mises Quasi-Processes
von: Cohen, Yarden, et al.
Veröffentlicht: (2024)

Gaussian Process Boosting
von: Sigrist, Fabio
Veröffentlicht: (2020)

Scaling Gaussian Process Regression with Full Derivative Observations
von: Huang, Daniel
Veröffentlicht: (2025)

Distributionally Robust Active Learning for Gaussian Process Regression
von: Takeno, Shion, et al.
Veröffentlicht: (2025)

Guaranteed Coverage Prediction Intervals with Gaussian Process Regression
von: Papadopoulos, Harris
Veröffentlicht: (2023)

LLM Flow Processes for Text-Conditioned Regression
von: Biggs, Felix, et al.
Veröffentlicht: (2026)

Fixed-Mean Gaussian Processes for Post-hoc Bayesian Deep Learning
von: Ortega, Luis A., et al.
Veröffentlicht: (2024)

Practical Deep Heteroskedastic Regression
von: Jordahn, Mikkel, et al.
Veröffentlicht: (2026)

Self-Attention through Kernel-Eigen Pair Sparse Variational Gaussian Processes
von: Chen, Yingyi, et al.
Veröffentlicht: (2024)

New Bounds for Sparse Variational Gaussian Processes
von: Titsias, Michalis K.
Veröffentlicht: (2025)