Buchumschlag

Flow-Induced Diagonal Gaussian Processes

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lin, Moule, Patane, Andrea, Jing, Weipeng, Guan, Shuhao, Botterweck, Goetz
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Stochastic Weight Sharing for Bayesian Neural Networks
von: Lin, Moule, et al.
Veröffentlicht: (2025)

Bayesian-LoRA: Probabilistic Low-Rank Adaptation of Large Language Models
von: Lin, Moule, et al.
Veröffentlicht: (2026)

Optimized Vectorizing of Building Structures with Switch: High-Efficiency Convolutional Channel-Switch Hybridization Strategy
von: Lin, Moule, et al.
Veröffentlicht: (2023)

Flow Matching with Gaussian Process Priors for Probabilistic Time Series Forecasting
von: Kollovieh, Marcel, et al.
Veröffentlicht: (2024)

Active Learning for Gaussian Process Regression Under Self-Induced Boltzmann Weights
von: Qing, Jixiang, et al.
Veröffentlicht: (2026)

Sparse Inducing Points in Deep Gaussian Processes: Enhancing Modeling with Denoising Diffusion Variational Inference
von: Xu, Jian, et al.
Veröffentlicht: (2024)

A Unified Gaussian Process for Branching and Nested Hyperparameter Optimization
von: Zhang, Jiazhao, et al.
Veröffentlicht: (2024)

All-Atom GPCR-Ligand Simulation via Residual Isometric Latent Flow
von: Zhang, Jiying, et al.
Veröffentlicht: (2026)

Fully Bayesian Differential Gaussian Processes through Stochastic Differential Equations
von: Xu, Jian, et al.
Veröffentlicht: (2024)

Scale-Adaptive Power Flow Analysis with Local Topology Slicing and Multi-Task Graph Learning
von: Li, Yongzhe, et al.
Veröffentlicht: (2026)

Uncovering the Spectral Bias in Diagonal State Space Models
von: Solozabal, Ruben, et al.
Veröffentlicht: (2025)

Gaussian Process Neural Additive Models
von: Zhang, Wei, et al.
Veröffentlicht: (2024)

Revisiting Scalable Hessian Diagonal Approximations for Applications in Reinforcement Learning
von: Elsayed, Mohamed, et al.
Veröffentlicht: (2024)

Bayesian Analysis of Combinatorial Gaussian Process Bandits
von: Sandberg, Jack, et al.
Veröffentlicht: (2023)

Diagonal Adaptive Non-local Observables on Quantum Neural Networks
von: Tseng, Huan-Hsin, et al.
Veröffentlicht: (2026)

Dynamic User-controllable Privacy-preserving Few-shot Sensing Framework
von: Chathoth, Ajesh Koyatan, et al.
Veröffentlicht: (2025)

On the Robustness of Bayesian Neural Networks to Adversarial Attacks
von: Bortolussi, Luca, et al.
Veröffentlicht: (2022)

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

Revisiting Kernel Attention with Correlated Gaussian Process Representation
von: Bui, Long Minh, et al.
Veröffentlicht: (2025)

On the Laplace Approximation as Model Selection Criterion for Gaussian Processes
von: Besginow, Andreas, et al.
Veröffentlicht: (2024)

Generating Piano Practice Policy with a Gaussian Process
von: Moringen, Alexandra, et al.
Veröffentlicht: (2024)

Informed Spectral Normalized Gaussian Processes for Trajectory Prediction
von: Schlauch, Christian, et al.
Veröffentlicht: (2024)

Efficient State Space Model via Fast Tensor Convolution and Block Diagonalization
von: Liang, Tongyi, et al.
Veröffentlicht: (2024)

Diagonal-Tiled Mixed-Precision Attention for Efficient Low-Bit MXFP Inference
von: Ding, Yifu, et al.
Veröffentlicht: (2026)

Exact Shapley Attributions in Quadratic-time for FANOVA Gaussian Processes
von: Mohammadi, Majid, et al.
Veröffentlicht: (2025)

Robust Satisficing Gaussian Process Bandits Under Adversarial Attacks
von: Saday, Artun, et al.
Veröffentlicht: (2025)

Whom to Trust? Elective Learning for Distributed Gaussian Process Regression
von: Yang, Zewen, et al.
Veröffentlicht: (2024)

StreamFP: Learnable Fingerprint-guided Data Selection for Efficient Stream Learning
von: Shi, Tongjun, et al.
Veröffentlicht: (2024)

Parameter Efficient Mamba Tuning via Projector-targeted Diagonal-centric Linear Transformation
von: Ham, Seokil, et al.
Veröffentlicht: (2024)

Graph and Simplicial Complex Prediction Gaussian Process via the Hodgelet Representations
von: Alain, Mathieu, et al.
Veröffentlicht: (2025)

Partially Observable Gaussian Process Network and Doubly Stochastic Variational Inference
von: Kiroriwal, Saksham, et al.
Veröffentlicht: (2025)

Overcoming Overfitting in Reinforcement Learning via Gaussian Process Diffusion Policy
von: Horprasert, Amornyos, et al.
Veröffentlicht: (2025)

Active Learning for Derivative-Based Global Sensitivity Analysis with Gaussian Processes
von: Belakaria, Syrine, et al.
Veröffentlicht: (2024)

Multimodal Function Vectors for Visual Relations
von: Fu, Shuhao, et al.
Veröffentlicht: (2025)

Flow based approach for Dynamic Temporal Causal models with non-Gaussian or Heteroscedastic Noises
von: Rahmani, Abdellah, et al.
Veröffentlicht: (2025)

DAO-GP Drift Aware Online Non-Linear Regression Gaussian-Process
von: Abu-Shaira, Mohammad, et al.
Veröffentlicht: (2025)

Scalable Unsupervised Segmentation via Random Fourier Feature-based Gaussian Process
von: Saito, Issei, et al.
Veröffentlicht: (2025)

Communication Dynamics Neural Networks: FFT-Diagonalized Layers for Improved Hessian Conditioning at Reduced Parameter Count
von: Pan, Lurong
Veröffentlicht: (2026)

SRTFD: Scalable Real-Time Fault Diagnosis through Online Continual Learning
von: Zhao, Dandan, et al.
Veröffentlicht: (2024)

Block-Diagonal Guided DBSCAN Clustering
von: Zhao, Weibing
Veröffentlicht: (2024)