Novel Pivoted Cholesky Decompositions for Efficient Gaussian Process Inference
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | de Roos, Filip, Muratore, Fabio |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Randomly Pivoted Partial Cholesky: Random How?
par: Steinerberger, Stefan
Publié: (2024)
par: Steinerberger, Stefan
Publié: (2024)
The Geometry of the Pivot: A Note on Lazy Pivoted Cholesky and Farthest Point Sampling
par: Shabat, Gil
Publié: (2026)
par: Shabat, Gil
Publié: (2026)
Deep Gaussian Covariance Network with Trajectory Sampling for Data-Efficient Policy Search
par: Bogoclu, Can, et autres
Publié: (2024)
par: Bogoclu, Can, et autres
Publié: (2024)
A Streaming Sparse Cholesky Method for Derivative-Informed Gaussian Process Surrogates Within Digital Twin Applications
par: Logakannan, Krishna Prasath, et autres
Publié: (2025)
par: Logakannan, Krishna Prasath, et autres
Publié: (2025)
Gaussian Process Boosting
par: Sigrist, Fabio
Publié: (2020)
par: Sigrist, Fabio
Publié: (2020)
Pivoting Factorization: A Compact Meta Low-Rank Representation of Sparsity for Efficient Inference in Large Language Models
par: Zhao, Jialin, et autres
Publié: (2025)
par: Zhao, Jialin, et autres
Publié: (2025)
Three Costs of Amortizing Gaussian Process Inference with Neural Processes
par: Young, Robin
Publié: (2026)
par: Young, Robin
Publié: (2026)
Sparse Orthogonal Variational Inference for Gaussian Processes
par: Shi, Jiaxin, et autres
Publié: (2019)
par: Shi, Jiaxin, et autres
Publié: (2019)
Amortized Variational Inference for Deep Gaussian Processes
par: Meng, Qiuxian, et autres
Publié: (2024)
par: Meng, Qiuxian, et autres
Publié: (2024)
Instrumental and Proximal Causal Inference with Gaussian Processes
par: Zhang, Yuqi, et autres
Publié: (2026)
par: Zhang, Yuqi, et autres
Publié: (2026)
Diffusion Bridge Variational Inference for Deep Gaussian Processes
par: Xu, Jian, et autres
Publié: (2025)
par: Xu, Jian, et autres
Publié: (2025)
Bayesian Causal Inference with Gaussian Process Networks
par: Giudice, Enrico, et autres
Publié: (2024)
par: Giudice, Enrico, et autres
Publié: (2024)
Exact Inference for Continuous-Time Gaussian Process Dynamics
par: Ensinger, Katharina, et autres
Publié: (2023)
par: Ensinger, Katharina, et autres
Publié: (2023)
Lightweight Gaussian Process Inference in C++ on Metal and CUDA
par: Fang, Yu-Hsueh
Publié: (2026)
par: Fang, Yu-Hsueh
Publié: (2026)
Sparse Cholesky Factorization for Solving Nonlinear PDEs via Gaussian Processes
par: Chen, Yifan, et autres
Publié: (2023)
par: Chen, Yifan, et autres
Publié: (2023)
Scalable Multi-Output Gaussian Processes with Stochastic Variational Inference
par: Jiang, Xiaoyu, et autres
Publié: (2024)
par: Jiang, Xiaoyu, et autres
Publié: (2024)
On the Usage of Gaussian Process for Efficient Data Valuation
par: Bénesse, Clément, et autres
Publié: (2025)
par: Bénesse, Clément, et autres
Publié: (2025)
Efficient Graph Condensation via Gaussian Process
par: Wang, Lin, et autres
Publié: (2025)
par: Wang, Lin, et autres
Publié: (2025)
Sequential Inference for Gaussian Processes: A Signal Processing Perspective
par: Waxman, Daniel, et autres
Publié: (2026)
par: Waxman, Daniel, et autres
Publié: (2026)
Computation-Aware Gaussian Processes: Model Selection And Linear-Time Inference
par: Wenger, Jonathan, et autres
Publié: (2024)
par: Wenger, Jonathan, et autres
Publié: (2024)
Turbocharging Gaussian Process Inference with Approximate Sketch-and-Project
par: Rathore, Pratik, et autres
Publié: (2025)
par: Rathore, Pratik, et autres
Publié: (2025)
Iterative Methods for Vecchia-Laplace Approximations for Latent Gaussian Process Models
par: Kündig, Pascal, et autres
Publié: (2023)
par: Kündig, Pascal, et autres
Publié: (2023)
Effect Decomposition of Functional-Output Computer Experiments via Orthogonal Additive Gaussian Processes
par: Tan, Yu, et autres
Publié: (2025)
par: Tan, Yu, et autres
Publié: (2025)
Variational Free Energy Pivot Selection for Pivoted Cholesky
par: Schaub, Louise, et autres
Publié: (2026)
par: Schaub, Louise, et autres
Publié: (2026)
Fault Detection and Identification Using a Novel Process Decomposition Algorithm for Distributed Process Monitoring
par: Villagomez, Enrique Luna, et autres
Publié: (2024)
par: Villagomez, Enrique Luna, et autres
Publié: (2024)
Tensor Gaussian Processes: Efficient Solvers for Nonlinear PDEs
par: Yuan, Qiwei, et autres
Publié: (2025)
par: Yuan, Qiwei, et autres
Publié: (2025)
LRD-MPC: Efficient MPC Inference through Low-rank Decomposition
par: Tang, Tingting, et autres
Publié: (2026)
par: Tang, Tingting, et autres
Publié: (2026)
Learning fast changing slow in spiking neural networks
par: Capone, Cristiano, et autres
Publié: (2024)
par: Capone, Cristiano, et autres
Publié: (2024)
EFiGP: Eigen-Fourier Physics-Informed Gaussian Process for Inference of Dynamic Systems
par: Chen, Jianhong, et autres
Publié: (2025)
par: Chen, Jianhong, et autres
Publié: (2025)
Neural Operator Variational Inference based on Regularized Stein Discrepancy for Deep Gaussian Processes
par: Xu, Jian, et autres
Publié: (2023)
par: Xu, Jian, et autres
Publié: (2023)
Efficiently Computable Safety Bounds for Gaussian Processes in Active Learning
par: Tebbe, Jörn, et autres
Publié: (2024)
par: Tebbe, Jörn, et autres
Publié: (2024)
Constrained Gaussian Process Motion Planning via Stein Variational Newton Inference
par: Li, Jiayun, et autres
Publié: (2025)
par: Li, Jiayun, et autres
Publié: (2025)
From Shallow Bayesian Neural Networks to Gaussian Processes: General Convergence, Identifiability and Scalable Inference
par: de Araújo, Gracielle Antunes, et autres
Publié: (2026)
par: de Araújo, Gracielle Antunes, et autres
Publié: (2026)
Partially Observable Gaussian Process Network and Doubly Stochastic Variational Inference
par: Kiroriwal, Saksham, et autres
Publié: (2025)
par: Kiroriwal, Saksham, et autres
Publié: (2025)
Two-Stage Learned Decomposition for Scalable Routing on Multigraphs
par: Rydin, Filip, et autres
Publié: (2026)
par: Rydin, Filip, et autres
Publié: (2026)
Calibrated Inference for the Conditional Average Treatment Effect in the Few-Placebo Regime via Gaussian Processes
par: Uehara, Eichi
Publié: (2026)
par: Uehara, Eichi
Publié: (2026)
Accurate and Scalable Stochastic Gaussian Process Regression via Learnable Coreset-based Variational Inference
par: Ketenci, Mert, et autres
Publié: (2023)
par: Ketenci, Mert, et autres
Publié: (2023)
Scalable Bayesian Inference in the Era of Deep Learning: From Gaussian Processes to Deep Neural Networks
par: Antoran, Javier
Publié: (2024)
par: Antoran, Javier
Publié: (2024)
Provably Efficient Bayesian Optimization with Unknown Gaussian Process Hyperparameter Estimation
par: Ha, Huong, et autres
Publié: (2023)
par: Ha, Huong, et autres
Publié: (2023)
Gaussian Process Inference Using Mini-batch Stochastic Gradient Descent: Convergence Guarantees and Empirical Benefits
par: Chen, Hao, et autres
Publié: (2021)
par: Chen, Hao, et autres
Publié: (2021)
Documents similaires
-
Randomly Pivoted Partial Cholesky: Random How?
par: Steinerberger, Stefan
Publié: (2024) -
The Geometry of the Pivot: A Note on Lazy Pivoted Cholesky and Farthest Point Sampling
par: Shabat, Gil
Publié: (2026) -
Deep Gaussian Covariance Network with Trajectory Sampling for Data-Efficient Policy Search
par: Bogoclu, Can, et autres
Publié: (2024) -
A Streaming Sparse Cholesky Method for Derivative-Informed Gaussian Process Surrogates Within Digital Twin Applications
par: Logakannan, Krishna Prasath, et autres
Publié: (2025) -
Gaussian Process Boosting
par: Sigrist, Fabio
Publié: (2020)