:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lin, Jihao Andreas, Mayoraz, Nicolas, Rendle, Steffen, Kuzmin, Dima, Praun, Emil, Isik, Berivan
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	https://arxiv.org/abs/2508.14818
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Efficient Hyperparameter Search for Non-Stationary Model Training
von: Isik, Berivan, et al.
Veröffentlicht: (2025)

Scaling Gaussian Processes for Learning Curve Prediction via Latent Kronecker Structure
von: Lin, Jihao Andreas, et al.
Veröffentlicht: (2024)

Scalable Gaussian Processes with Latent Kronecker Structure
von: Lin, Jihao Andreas, et al.
Veröffentlicht: (2025)

Scalable Gaussian Processes: Advances in Iterative Methods and Pathwise Conditioning
von: Lin, Jihao Andreas
Veröffentlicht: (2025)

Differentially Private Adaptation of Diffusion Models via Noisy Aggregated Embeddings
von: Peetathawatchai, Pura, et al.
Veröffentlicht: (2024)

Improving Iterative Gaussian Processes via Warm Starting Sequential Posteriors
von: Dong, Alan Yufei, et al.
Veröffentlicht: (2025)

Adaptive Compression in Federated Learning via Side Information
von: Isik, Berivan, et al.
Veröffentlicht: (2023)

Empirical Gaussian Processes
von: Lin, Jihao Andreas, et al.
Veröffentlicht: (2026)

Warm Start Marginal Likelihood Optimisation for Iterative Gaussian Processes
von: Lin, Jihao Andreas, et al.
Veröffentlicht: (2024)

Graph Random Features for Scalable Gaussian Processes
von: Zhang, Matthew, et al.
Veröffentlicht: (2025)

Improving Linear System Solvers for Hyperparameter Optimisation in Iterative Gaussian Processes
von: Lin, Jihao Andreas, et al.
Veröffentlicht: (2024)

The Magic Correlations: Understanding Knowledge Transfer from Pretraining to Supervised Fine-Tuning
von: Fan, Simin, et al.
Veröffentlicht: (2026)

Sampling from Gaussian Process Posteriors using Stochastic Gradient Descent
von: Lin, Jihao Andreas, et al.
Veröffentlicht: (2023)

On Fairness of Low-Rank Adaptation of Large Models
von: Ding, Zhoujie, et al.
Veröffentlicht: (2024)

Scaling Laws for Downstream Task Performance of Large Language Models
von: Isik, Berivan, et al.
Veröffentlicht: (2024)

Improved Communication-Privacy Trade-offs in $L_2$ Mean Estimation under Streaming Differential Privacy
von: Chen, Wei-Ning, et al.
Veröffentlicht: (2024)

Stochastic Gradient Descent for Gaussian Processes Done Right
von: Lin, Jihao Andreas, et al.
Veröffentlicht: (2023)

Comparison of Autoencoders for tokenization of ASL datasets
von: Praun-Petrovic, Vouk, et al.
Veröffentlicht: (2025)

Leveraging Per-Instance Privacy for Machine Unlearning
von: Sepahvand, Nazanin Mohammadi, et al.
Veröffentlicht: (2025)

Spend More to Save More (SM2): An Energy-Aware Implementation of Successive Halving for Sustainable Hyperparameter Optimization
von: Geissler, Daniel, et al.
Veröffentlicht: (2024)

Don't Get Your Kroneckers in a Twist: Gaussian Processes on High-Dimensional Incomplete Grids
von: Højlund, Mads Greisen, et al.
Veröffentlicht: (2026)

Kronecker-Structured Nonparametric Spatiotemporal Point Processes
von: Xu, Zhitong, et al.
Veröffentlicht: (2026)

Preventing Model Collapse in Gaussian Process Latent Variable Models
von: Li, Ying, et al.
Veröffentlicht: (2024)

Physics-constrained Gaussian Processes for Predicting Shockwave Hugoniot Curves
von: Pasparakis, George D., et al.
Veröffentlicht: (2026)

A Batch Sequential Halving Algorithm without Performance Degradation
von: Koyamada, Sotetsu, et al.
Veröffentlicht: (2024)

Improving the Predictability of the Madden-Julian Oscillation at Subseasonal Scales with Gaussian Process Models
von: Chen, Haoyuan, et al.
Veröffentlicht: (2025)

Anytime Sequential Halving in Monte-Carlo Tree Search
von: Sagers, Dominic, et al.
Veröffentlicht: (2024)

User Embedding Model for Personalized Language Prompting
von: Doddapaneni, Sumanth, et al.
Veröffentlicht: (2024)

Support Collapse of Deep Gaussian Processes with Polynomial Kernels for a Wide Regime of Hyperparameters
von: Chernobrovkina, Daryna, et al.
Veröffentlicht: (2025)

Transformed Latent Variable Multi-Output Gaussian Processes
von: Jiang, Xiaoyu, et al.
Veröffentlicht: (2026)

Weighted-Sum of Gaussian Process Latent Variable Models
von: Odgers, James, et al.
Veröffentlicht: (2024)

Online Laplace Model Selection Revisited
von: Lin, Jihao Andreas, et al.
Veröffentlicht: (2023)

Reinforcement Learning with Function Approximation: From Linear to Nonlinear
von: Long, Jihao, et al.
Veröffentlicht: (2023)

Efficient Graph Condensation via Gaussian Process
von: Wang, Lin, et al.
Veröffentlicht: (2025)

Latent Preference Bandits
von: Mwai, Newton, et al.
Veröffentlicht: (2025)

Latent Order Bandits
von: Carlsson, Emil, et al.
Veröffentlicht: (2026)

Iterative Model-Learning Scheme via Gaussian Processes for Nonlinear Model Predictive Control of (Semi-)Batch Processes
von: Tan, Tai Xuan, et al.
Veröffentlicht: (2026)

Learning Latent Dynamical Causal Processes for Single-Cell Perturbation Prediction
von: Jiang, Wenkang, et al.
Veröffentlicht: (2026)

Interpretable Machine Learning for Kronecker Coefficients
von: Butbaia, Giorgi, et al.
Veröffentlicht: (2025)

Predicting Covariate-Driven Spatial Deformation for Nonstationary Gaussian Processes
von: Gu, Minghao, et al.
Veröffentlicht: (2026)