Copertina

Physics-informed Gaussian Process Regression in Solving Eigenvalue Problem of Linear Operators

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Bai, Tianming, Yang, Jiannan
Natura:	Preprint
Pubblicazione:	2026
Soggetti:	Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Gaussian Process Regression for Inverse Problems in Linear PDEs
di: Li, Xin, et al.
Pubblicazione: (2025)

STNet: Spectral Transformation Network for Solving Operator Eigenvalue Problem
di: Wang, Hong, et al.
Pubblicazione: (2025)

Physics-Informed Gaussian Process Regression Generalizes Linear PDE Solvers
di: Pförtner, Marvin, et al.
Pubblicazione: (2022)

Physics-informed Gaussian Processes as Linear Model Predictive Controller
di: Tebbe, Jörn, et al.
Pubblicazione: (2024)

Adaptive Optimizable Gaussian Process Regression Linear Least Squares Regression Filtering Method for SEM Images
di: Ong, D. Chee Yong, et al.
Pubblicazione: (2025)

Comparing the Moore-Penrose Pseudoinverse and Gradient Descent for Solving Linear Regression Problems: A Performance Analysis
di: Adams, Alex
Pubblicazione: (2025)

Sparse Linear Regression and Lattice Problems
di: Gupte, Aparna, et al.
Pubblicazione: (2024)

Gaussian processes for Bayesian inverse problems associated with linear partial differential equations
di: Bai, Tianming, et al.
Pubblicazione: (2023)

Multi-task Linear Regression without Eigenvalue Lower Bounds: Adaptivity, Robustness, and Safety
di: Kim, Seok-Jin
Pubblicazione: (2026)

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

Solving Linear-Gaussian Bayesian Inverse Problems with Decoupled Diffusion Sequential Monte Carlo
di: Kelvinius, Filip Ekström, et al.
Pubblicazione: (2025)

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

Likelihood-Free Gaussian Process for Regression
di: Shikuri, Yuta
Pubblicazione: (2020)

Implicit Manifold Gaussian Process Regression
di: Fichera, Bernardo, et al.
Pubblicazione: (2023)

Robust and Conjugate Gaussian Process Regression
di: Altamirano, Matias, et al.
Pubblicazione: (2023)

On the Rate of Gaussian Approximation for Linear Regression Problems
di: Khusainov, Marat, et al.
Pubblicazione: (2025)

Solving Attention Kernel Regression Problem via Pre-conditioner
di: Song, Zhao, et al.
Pubblicazione: (2023)

Simultaneous and Meshfree Topology Optimization with Physics-informed Gaussian Processes
di: Yousefpour, Amin, et al.
Pubblicazione: (2024)

Operator Learning with Gaussian Processes
di: Mora, Carlos, et al.
Pubblicazione: (2024)

From Local Interactions to Global Operators: Scalable Gaussian Process Operator for Physical Systems
di: Kumar, Sawan, et al.
Pubblicazione: (2025)

Gaussian Process Regression with Soft Inequality and Monotonicity Constraints
di: Kochan, Didem, et al.
Pubblicazione: (2024)

Online Infinite-Dimensional Regression: Learning Linear Operators
di: Raman, Vinod, et al.
Pubblicazione: (2023)

An Intuitive Tutorial to Gaussian Process Regression
di: Wang, Jie
Pubblicazione: (2020)

Obstacle-aware Gaussian Process Regression
di: Shrivastava, Gaurav
Pubblicazione: (2024)

Relative Information Gain and Gaussian Process Regression
di: Flynn, Hamish
Pubblicazione: (2025)

Online Forgetting Process for Linear Regression Models
di: Li, Yuantong, et al.
Pubblicazione: (2020)

Localized Physics-informed Gaussian Processes with Curriculum Training for Topology Optimization
di: Yousefpour, Amin, et al.
Pubblicazione: (2025)

GPgym: A Remote Service Platform with Gaussian Process Regression for Online Learning
di: Dai, Xiaobing, et al.
Pubblicazione: (2024)

Generalized Eigenvalue Problems with Generative Priors
di: Liu, Zhaoqiang, et al.
Pubblicazione: (2024)

Mode-Shape Expansion Using Physics-Constrained Gaussian Process Regression
di: Ghahari, Farid
Pubblicazione: (2026)

Privacy-aware Gaussian Process Regression
di: Tuo, Rui, et al.
Pubblicazione: (2023)

Wasserstein-type Gaussian Process Regressions for Input Measurement Uncertainty
di: Luo, Hengrui, et al.
Pubblicazione: (2026)

Sparse Techniques for Regression in Deep Gaussian Processes
di: Latz, Jonas, et al.
Pubblicazione: (2025)

Scaling Gaussian Process Regression with Full Derivative Observations
di: Huang, Daniel
Pubblicazione: (2025)

Distributionally Robust Active Learning for Gaussian Process Regression
di: Takeno, Shion, et al.
Pubblicazione: (2025)

Guaranteed Coverage Prediction Intervals with Gaussian Process Regression
di: Papadopoulos, Harris
Pubblicazione: (2023)

Solving Functional PDEs with Gaussian Processes and Applications to Functional Renormalization Group Equations
di: Yang, Xianjin, et al.
Pubblicazione: (2025)

Gaussian Process Regression under Computational and Epistemic Misspecification
di: Sanz-Alonso, Daniel, et al.
Pubblicazione: (2023)

A Gaussian Process Framework for Solving Forward and Inverse Problems Involving Nonlinear Partial Differential Equations
di: Mora, Carlos, et al.
Pubblicazione: (2024)

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