Buchumschlag

Laplace Approximation for Bayesian Tensor Network Kernel Machines

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Saiapin, Albert, Batselier, Kim
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

Laplace Approximation For Tensor Train Kernel Machines In System Identification
von: Saiapin, Albert, et al.
Veröffentlicht: (2025)

Tensor Network Based Feature Learning Model
von: Saiapin, Albert, et al.
Veröffentlicht: (2025)

Interpretable Bayesian Tensor Network Kernel Machines with Automatic Rank and Feature Selection
von: Kilic, Afra, et al.
Veröffentlicht: (2025)

Tensor Network-Constrained Kernel Machines as Gaussian Processes
von: Wesel, Frederiek, et al.
Veröffentlicht: (2024)

A Fully Probabilistic Tensor Network for Regularized Volterra System Identification
von: Kilic, Afra, et al.
Veröffentlicht: (2025)

Quantized Fourier and Polynomial Features for more Expressive Tensor Network Models
von: Wesel, Frederiek, et al.
Veröffentlicht: (2023)

Tensor network square root Kalman filter for online Gaussian process regression
von: Menzen, Clara, et al.
Veröffentlicht: (2024)

Constructing structured tensor priors for Bayesian inverse problems
von: Batselier, Kim
Veröffentlicht: (2024)

Tubular Riemannian Laplace Approximations for Bayesian Neural Networks
von: David, Rodrigo Pereira
Veröffentlicht: (2025)

Position: Tensor Networks are a Valuable Asset for Green AI
von: Memmel, Eva, et al.
Veröffentlicht: (2022)

A Kernelizable Primal-Dual Formulation of the Multilinear Singular Value Decomposition
von: Wesel, Frederiek, et al.
Veröffentlicht: (2024)

Scalable Linearized Laplace Approximation via Surrogate Neural Kernel
von: Ortega, Luis A., et al.
Veröffentlicht: (2026)

Low Rank Based Subspace Inference for the Laplace Approximation of Bayesian Neural Networks
von: Faller, Josua, et al.
Veröffentlicht: (2025)

Variational Linearized Laplace Approximation for Bayesian Deep Learning
von: Ortega, Luis A., et al.
Veröffentlicht: (2023)

FSP-Laplace: Function-Space Priors for the Laplace Approximation in Bayesian Deep Learning
von: Cinquin, Tristan, et al.
Veröffentlicht: (2024)

Corrected Integrated Laplace Approximation for Bayesian Inference in Latent Gaussian Models
von: Lai, Jinlin, et al.
Veröffentlicht: (2026)

Efficient Bayesian Updates for Deep Active Learning via Laplace Approximations
von: Huseljic, Denis, et al.
Veröffentlicht: (2022)

Addressing the Inconsistency in Bayesian Deep Learning via Generalized Laplace Approximation
von: Chen, Yinsong, et al.
Veröffentlicht: (2024)

Self-Supervised Laplace Approximation for Bayesian Uncertainty Quantification
von: Rodemann, Julian, et al.
Veröffentlicht: (2026)

On the Nystrom Approximation for Preconditioning in Kernel Machines
von: Abedsoltan, Amirhesam, et al.
Veröffentlicht: (2023)

SPDE Methods for Nonparametric Bayesian Posterior Contraction and Laplace Approximation
von: Alberola-Boloix, Enric, et al.
Veröffentlicht: (2026)

Tensor Sketch: Fast and Scalable Polynomial Kernel Approximation
von: Pham, Ninh, et al.
Veröffentlicht: (2025)

Scalable Spatiotemporally Varying Coefficient Modelling with Bayesian Kernelized Tensor Regression
von: Lei, Mengying, et al.
Veröffentlicht: (2021)

Bayesian Meta-Reinforcement Learning with Laplace Variational Recurrent Networks
von: de Vries, Joery A., et al.
Veröffentlicht: (2025)

Improving the Linearized Laplace Approximation via Quadratic Approximations
von: Jiménez, Pedro, et al.
Veröffentlicht: (2026)

LAPLEX: The FFT of Learnable Laplace Kernels
von: Struski, Łukasz, et al.
Veröffentlicht: (2026)

laplax -- Laplace Approximations with JAX
von: Weber, Tobias, et al.
Veröffentlicht: (2025)

From Deep Additive Kernel Learning to Last-Layer Bayesian Neural Networks via Induced Prior Approximation
von: Zhao, Wenyuan, et al.
Veröffentlicht: (2025)

Riemannian Laplace Approximation with the Fisher Metric
von: Yu, Hanlin, et al.
Veröffentlicht: (2023)

On the Approximation of Kernel functions
von: Dommel, Paul, et al.
Veröffentlicht: (2024)

Large-Scale Bayesian Tensor Reconstruction: An Approximate Message Passing Solution
von: Cheng, Bingyang, et al.
Veröffentlicht: (2025)

Automatic Structure Identification for Highly Nonlinear MIMO Volterra Tensor Networks
von: Memmel, Eva, et al.
Veröffentlicht: (2025)

Efficient Patient Fine-Tuned Seizure Detection with a Tensor Kernel Machine
von: de Rooij, Seline J. S., et al.
Veröffentlicht: (2024)

Adapting Tensor Kernel Machines to Enable Efficient Transfer Learning for Seizure Detection
von: de Rooij, Seline J. S., et al.
Veröffentlicht: (2025)

Optimality of Sub-network Laplace Approximations: New Results and Methods
von: Raha, Swarnali, et al.
Veröffentlicht: (2026)

Approximation-Aware Bayesian Optimization
von: Maus, Natalie, et al.
Veröffentlicht: (2024)

Learning to Approximate Adaptive Kernel Convolution on Graphs
von: Sim, Jaeyoon, et al.
Veröffentlicht: (2024)

Reducing Variance in Meta-Learning via Laplace Approximation for Regression Tasks
von: Reichlin, Alfredo, et al.
Veröffentlicht: (2024)

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

The Bayesian Method of Tensor Networks
von: Guo, Erdong, et al.
Veröffentlicht: (2021)