Buchumschlag

The Theory and Practice of Highly Scalable Gaussian Process Regression with Nearest Neighbours

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Allison, Robert, Maciazek, Tomasz, Stephenson, Anthony
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Securing Transfer-Learned Networks with Reverse Homomorphic Encryption
von: Allison, Robert, et al.
Veröffentlicht: (2025)

Further Understanding of a Local Gaussian Process Approximation: Characterising Convergence in the Finite Regime
von: Stephenson, Anthony, et al.
Veröffentlicht: (2024)

Nearest Neighbour with Bandit Feedback
von: Pasteris, Stephen, et al.
Veröffentlicht: (2023)

Nearest Neighbour Equilibrium Clustering
von: Hofmeyr, David P.
Veröffentlicht: (2025)

Scalable Gaussian process inference via neural feature maps
von: Stephenson, Anthony
Veröffentlicht: (2026)

Neighbour-Driven Gaussian Process Variational Autoencoders for Scalable Structured Latent Modelling
von: Shi, Xinxing, et al.
Veröffentlicht: (2025)

Using Enriched Category Theory to Construct the Nearest Neighbour Classification Algorithm
von: Pugh, Matthew, et al.
Veröffentlicht: (2023)

Approximate Nearest Neighbour Search on Dynamic Datasets: An Investigation
von: Harwood, Ben, et al.
Veröffentlicht: (2024)

Bags of Projected Nearest Neighbours: Competitors to Random Forests?
von: Hofmeyr, David P.
Veröffentlicht: (2025)

Multilabel Prototype Generation for Data Reduction in k-Nearest Neighbour classification
von: Valero-Mas, Jose J., et al.
Veröffentlicht: (2022)

Nearest Neighbour Score Estimators for Diffusion Generative Models
von: Niedoba, Matthew, et al.
Veröffentlicht: (2024)

Variational Nearest Neighbor Gaussian Process
von: Wu, Luhuan, et al.
Veröffentlicht: (2022)

Nearest-Neighbour-Induced Isolation Similarity and its Impact on Density-Based Clustering
von: Qin, Xiaoyu, et al.
Veröffentlicht: (2019)

Optimal Extended Neighbourhood Rule $k$ Nearest Neighbours Ensemble
von: Ali, Amjad, et al.
Veröffentlicht: (2022)

Robust Training of Temporal GNNs using Nearest Neighbours based Hard Negatives
von: Gupta, Shubham, et al.
Veröffentlicht: (2024)

Practical Global and Local Bounds in Gaussian Process Regression via Chaining
von: Liu, Junyi, et al.
Veröffentlicht: (2025)

High-Dimensional Gaussian Process Regression with Soft Kernel Interpolation
von: Camaño, Chris, et al.
Veröffentlicht: (2024)

Accurate and Scalable Stochastic Gaussian Process Regression via Learnable Coreset-based Variational Inference
von: Ketenci, Mert, et al.
Veröffentlicht: (2023)

Likelihood-Free Gaussian Process for Regression
von: Shikuri, Yuta
Veröffentlicht: (2020)

Implicit Manifold Gaussian Process Regression
von: Fichera, Bernardo, et al.
Veröffentlicht: (2023)

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

An Intuitive Tutorial to Gaussian Process Regression
von: Wang, Jie
Veröffentlicht: (2020)

Obstacle-aware Gaussian Process Regression
von: Shrivastava, Gaurav
Veröffentlicht: (2024)

Relative Information Gain and Gaussian Process Regression
von: Flynn, Hamish
Veröffentlicht: (2025)

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

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

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

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

Error Bounds For Gaussian Process Regression Under Bounded Support Noise With Applications To Safety Certification
von: Reed, Robert, et al.
Veröffentlicht: (2024)

Fast and Accurate Identification of Hardware Trojan Locations in Gate-Level Netlist using Nearest Neighbour Approach integrated with Machine Learning Technique
von: Chattopadhyay, Anindita, et al.
Veröffentlicht: (2025)

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

Scaling Gaussian Process Regression with Full Derivative Observations
von: Huang, Daniel
Veröffentlicht: (2025)

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

Guaranteed Coverage Prediction Intervals with Gaussian Process Regression
von: Papadopoulos, Harris
Veröffentlicht: (2023)

Revisiting the Equivalence of Bayesian Neural Networks and Gaussian Processes: On the Importance of Learning Activations
von: Sendera, Marcin, et al.
Veröffentlicht: (2024)

Assessing Quantum Advantage for Gaussian Process Regression
von: Lowe, Dominic, et al.
Veröffentlicht: (2025)

Quantum Gaussian Process Regression for Bayesian Optimization
von: Rapp, Frederic, et al.
Veröffentlicht: (2023)

Batch Active Learning in Gaussian Process Regression using Derivatives
von: Yu, Hon Sum Alec, et al.
Veröffentlicht: (2024)

Review of Recent Advances in Gaussian Process Regression Methods
von: Lyu, Chenyi, et al.
Veröffentlicht: (2024)

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