Copertina

Physics-augmented Multi-task Gaussian Process for Modeling Spatiotemporal Dynamics

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Zhang, Xizhuo, Yao, Bing
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Geometry-aware Active Learning of Spatiotemporal Dynamic Systems
di: Zhang, Xizhuo, et al.
Pubblicazione: (2025)

Transformer with Koopman-Enhanced Graph Convolutional Network for Spatiotemporal Dynamics Forecasting
di: Wang, Zekai, et al.
Pubblicazione: (2025)

Weighted Wasserstein Barycenter of Gaussian Processes for exotic Bayesian Optimization tasks
di: Candelieri, Antonio, et al.
Pubblicazione: (2026)

Real-Time Adaptive Safety-Critical Control with Gaussian Processes in High-Order Uncertain Models
di: Zhang, Yu, et al.
Pubblicazione: (2024)

Robust Unsupervised Multi-task and Transfer Learning on Gaussian Mixture Models
di: Tian, Ye, et al.
Pubblicazione: (2022)

Multi-task Neural Diffusion Processes
di: Rawson, Joseph, et al.
Pubblicazione: (2025)

Learning Spatiotemporal Dynamical Systems from Point Process Observations
di: Iakovlev, Valerii, et al.
Pubblicazione: (2024)

PIMRL: Physics-Informed Multi-Scale Recurrent Learning for Burst-Sampled Spatiotemporal Dynamics
di: Wan, Han, et al.
Pubblicazione: (2025)

Multi-material Multi-physics Topology Optimization with Physics-informed Gaussian Process Priors
di: Sun, Xiangyu, et al.
Pubblicazione: (2026)

Neural Point Process for Learning Spatiotemporal Event Dynamics
di: Zhou, Zihao, et al.
Pubblicazione: (2021)

PARCv2: Physics-aware Recurrent Convolutional Neural Networks for Spatiotemporal Dynamics Modeling
di: Nguyen, Phong C. H., et al.
Pubblicazione: (2024)

MAGIC: Multi-task Gaussian process for joint imputation and classification in healthcare time series
di: Ku, Dohyun, et al.
Pubblicazione: (2025)

Neural Spatiotemporal Point Processes: Trends and Challenges
di: Mukherjee, Sumantrak, et al.
Pubblicazione: (2025)

EFiGP: Eigen-Fourier Physics-Informed Gaussian Process for Inference of Dynamic Systems
di: Chen, Jianhong, et al.
Pubblicazione: (2025)

Federated Gaussian Process: Convergence, Automatic Personalization and Multi-fidelity Modeling
di: Yue, Xubo, et al.
Pubblicazione: (2021)

A Distributed Gaussian Process Model for Multi-Robot Mapping
di: Nabarro, Seth, et al.
Pubblicazione: (2026)

Scalable Deep Basis Kernel Gaussian Processes
di: Zhu, Yunqin, et al.
Pubblicazione: (2025)

Federated Dynamic Modeling and Learning for Spatiotemporal Data Forecasting
di: Pham, Thien, et al.
Pubblicazione: (2025)

Modal Analysis of Spatiotemporal Data via Multivariate Gaussian Process Regression
di: Song, Jiwoo, et al.
Pubblicazione: (2024)

Multi-Output Robust and Conjugate Gaussian Processes
di: Rooijakkers, Joshua, et al.
Pubblicazione: (2025)

Hierarchical Physics-Embedded Learning for Prediction and Discovery in Spatiotemporal Dynamical Systems
di: Wang, Xizhe, et al.
Pubblicazione: (2025)

Dynamic Bayesian Learning for Spatiotemporal Mechanistic Models
di: Banerjee, Sudipto, et al.
Pubblicazione: (2022)

A Dynamic, Ordinal Gaussian Process Item Response Theoretic Model
di: Chen, Yehu, et al.
Pubblicazione: (2025)

Modeling Latent Neural Dynamics with Gaussian Process Switching Linear Dynamical Systems
di: Hu, Amber, et al.
Pubblicazione: (2024)

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

Exact Inference for Continuous-Time Gaussian Process Dynamics
di: Ensinger, Katharina, et al.
Pubblicazione: (2023)

Gaussian Process Neural Additive Models
di: Zhang, Wei, et al.
Pubblicazione: (2024)

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

Multi-Output Gaussian Processes for Graph-Structured Data
di: Nakai-Kasai, Ayano, et al.
Pubblicazione: (2025)

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

PIGPVAE: Physics-Informed Gaussian Process Variational Autoencoders
di: Spitieris, Michail, et al.
Pubblicazione: (2025)

Compliance Minimization via Physics-Informed Gaussian Processes
di: Sun, Xiangyu, et al.
Pubblicazione: (2025)

Physics-Embedded Gaussian Process for Traffic State Estimation
di: Chen, Yanlin, et al.
Pubblicazione: (2025)

Physics-informed Gaussian Processes for Safe Envelope Expansion
di: Harp, D. Isaiah, et al.
Pubblicazione: (2025)

Physics-Informed Variational State-Space Gaussian Processes
di: Hamelijnck, Oliver, et al.
Pubblicazione: (2024)

Implicit Neural Differential Model for Spatiotemporal Dynamics
di: Akhare, Deepak, et al.
Pubblicazione: (2025)

Gradient-Enhanced Partitioned Gaussian Processes for Real-Time Quadrotor Dynamics Modeling
di: Sang, Xinhuan, et al.
Pubblicazione: (2026)

A Multi-task Large Reasoning Model for Molecular Science
di: Liu, Pengfei, et al.
Pubblicazione: (2026)

Parameter Efficient Multi-task Model Fusion with Partial Linearization
di: Tang, Anke, et al.
Pubblicazione: (2023)

EnECG: Efficient Ensemble Learning for Electrocardiogram Multi-task Foundation Model
di: Xu, Yuhao, et al.
Pubblicazione: (2025)