Buchumschlag

Distributional encoding for Gaussian process regression with qualitative inputs

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Da Veiga, Sébastien
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

A reproducible comparative study of categorical kernels for Gaussian process regression, with new clustering-based nested kernels
von: Perez, Raphaël Carpintero, et al.
Veröffentlicht: (2025)

Learning signals defined on graphs with optimal transport and Gaussian process regression
von: Perez, Raphaël Carpintero, et al.
Veröffentlicht: (2024)

Gaussian process regression with Sliced Wasserstein Weisfeiler-Lehman graph kernels
von: Perez, Raphaël Carpintero, et al.
Veröffentlicht: (2024)

Adaptive sparse variational approximations for Gaussian process regression
von: Nieman, Dennis, et al.
Veröffentlicht: (2025)

Multifidelity Gaussian process regression for solving nonlinear partial differential equations
von: El-Boukkouri, Fatima-Zahrae, et al.
Veröffentlicht: (2026)

Generalization bounds for regression and classification on adaptive covering input domains
von: Hwang, Wen-Liang
Veröffentlicht: (2024)

Explainable quantum regression algorithm with encoded data structure
von: Wang, C. -C. Joseph, et al.
Veröffentlicht: (2023)

Byzantine-resilient federated online learning for Gaussian process regression
von: Zhang, Xu, et al.
Veröffentlicht: (2025)

Tensor network square root Kalman filter for online Gaussian process regression
von: Menzen, Clara, et al.
Veröffentlicht: (2024)

Observation-dependent Bayesian active learning via input-warped Gaussian processes
von: Jarl, Sanna, et al.
Veröffentlicht: (2026)

GPTreeO: An R package for continual regression with dividing local Gaussian processes
von: Braun, Timo, et al.
Veröffentlicht: (2024)

Quantum-assisted Gaussian process regression using random Fourier features
von: Galvis-Florez, Cristian A., et al.
Veröffentlicht: (2025)

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

Multi-fidelity Gaussian process surrogate modeling for regression problems in physics
von: Ravi, Kislaya, et al.
Veröffentlicht: (2024)

Modeling groundwater levels in California's Central Valley by hierarchical Gaussian process and neural network regression
von: Pradhan, Anshuman, et al.
Veröffentlicht: (2023)

Relaxed Gaussian process interpolation: a goal-oriented approach to Bayesian optimization
von: Petit, Sébastien, et al.
Veröffentlicht: (2022)

Robust non-parametric mortality and fertility modelling and forecasting: Gaussian process regression approaches
von: Lam, Ka Kin, et al.
Veröffentlicht: (2021)

Learning battery model parameter dynamics from data with recursive Gaussian process regression
von: Aitio, Antti, et al.
Veröffentlicht: (2023)

Uniform convergence for Gaussian kernel ridge regression
von: Dommel, Paul, et al.
Veröffentlicht: (2025)

FGM optimization in complex domains using Gaussian process regression based profile generation algorithm
von: Konda, Chaitanya Kumar, et al.
Veröffentlicht: (2025)

Multiple output samples per input in a single-output Gaussian process
von: Wong, Jeremy H. M., et al.
Veröffentlicht: (2023)

An Explainable Gaussian Process Auto-encoder for Tabular Data
von: Zhang, Wei, et al.
Veröffentlicht: (2025)

Scalable and adaptive prediction bands with kernel sum-of-squares
von: Allain, Louis, et al.
Veröffentlicht: (2025)

Integrating supervised and unsupervised learning approaches to unveil critical process inputs
von: Papavasileiou, Paris, et al.
Veröffentlicht: (2024)

Geometric Gaussian Approximations of Probability Distributions
von: Da Costa, Nathaël, et al.
Veröffentlicht: (2025)

Convex estimation of Gaussian graphical regression models with covariates
von: Liu, Ruobin, et al.
Veröffentlicht: (2024)

Evaluation of uncertainty estimations for Gaussian process regression based machine learning interatomic potentials
von: Holzenkamp, Matthias, et al.
Veröffentlicht: (2024)

Downscaling land surface temperature data using edge detection and block-diagonal Gaussian process regression
von: Dandapanthula, Sanjit, et al.
Veröffentlicht: (2026)

Tukey g-and-h neural network regression for non-Gaussian data
von: Guillaumin, Arthur P., et al.
Veröffentlicht: (2024)

Estimation in high-dimensional linear regression: Post-Double-Autometrics as an alternative to Post-Double-Lasso
von: Hué, Sullivan, et al.
Veröffentlicht: (2025)

ONERA's CRM WBPN database for machine learning activities, related regression challenge and first results
von: Peter, Jacques, et al.
Veröffentlicht: (2025)

On the Usage of Gaussian Process for Efficient Data Valuation
von: Bénesse, Clément, et al.
Veröffentlicht: (2025)

Gaussian-process-regression-based method for the localization of exceptional points in complex resonance spectra
von: Egenlauf, Patrick, et al.
Veröffentlicht: (2024)

Scaling up ridge regression for brain encoding in a massive individual fMRI dataset
von: Ahmadi, Sana, et al.
Veröffentlicht: (2024)

Tighter sparse variational Gaussian processes
von: Bui, Thang D., et al.
Veröffentlicht: (2025)

Inferring manifolds using Gaussian processes
von: Dunson, David B, et al.
Veröffentlicht: (2021)

Rethinking Approximate Gaussian Inference in Classification
von: Mucsányi, Bálint, et al.
Veröffentlicht: (2025)

Infinite Neural Operators: Gaussian processes on functions
von: de Souza, Daniel Augusto, et al.
Veröffentlicht: (2025)

The role of class encoding in neural collapse
von: Massion, Bastien, et al.
Veröffentlicht: (2026)

Magnetic field estimation using Gaussian process regression for interactive wireless power system design
von: Honjo, Yuichi, et al.
Veröffentlicht: (2025)