Buchumschlag

Predicting Covariate-Driven Spatial Deformation for Nonstationary Gaussian Processes

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Gu, Minghao, Lin, Weizhi, Huang, Qiang
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Methodology
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Modeling Nonstationary Extremal Dependence via Deep Spatial Deformations
von: Shao, Xuanjie, et al.
Veröffentlicht: (2025)

Spatial Covariance Constraints for Gaussian Mixture Models
von: Lu, Hanzhang, et al.
Veröffentlicht: (2026)

A Framework for Nonstationary Gaussian Processes with Neural Network Parameters
von: James, Zachary, et al.
Veröffentlicht: (2025)

Nonstationary Spatial Process Models with Spatially Varying Covariance Kernels
von: Coube-Sisqueille, Sébastien, et al.
Veröffentlicht: (2022)

Decomposing Gaussians with Unknown Covariance
von: Dharamshi, Ameer, et al.
Veröffentlicht: (2024)

Graph Topic Modeling for Documents with Spatial or Covariate Dependencies
von: Jung, Yeo Jin, et al.
Veröffentlicht: (2024)

Covariance-Driven Regression Trees: Reducing Overfitting in CART
von: Zhang, Likun, et al.
Veröffentlicht: (2026)

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

Ensemble Prediction via Covariate-dependent Stacking
von: Wakayama, Tomoya, et al.
Veröffentlicht: (2024)

Covariate-assisted Grade of Membership Models via Shared Latent Geometry
von: Xu, Zhiyu, et al.
Veröffentlicht: (2026)

Minimax-Optimal Spectral Clustering with Covariance Projection for High-Dimensional Anisotropic Mixtures
von: Huang, Chengzhu, et al.
Veröffentlicht: (2025)

Predicting Electricity Consumption with Random Walks on Gaussian Processes
von: Hashimoto-Cullen, Chloé, et al.
Veröffentlicht: (2024)

Identifiable Autoregressive Variational Autoencoders for Nonlinear and Nonstationary Spatio-Temporal Blind Source Separation
von: Sipilä, Mika, et al.
Veröffentlicht: (2025)

Nonstationary Gaussian Process Surrogates
von: Booth, Annie S., et al.
Veröffentlicht: (2023)

Robust Inference of Dynamic Covariance Using Wishart Processes and Sequential Monte Carlo
von: Huijsdens, Hester, et al.
Veröffentlicht: (2024)

Modular Jump Gaussian Processes
von: Flowers, Anna R., et al.
Veröffentlicht: (2025)

Advanced Tutorial: Label-Efficient Two-Sample Tests
von: Li, Weizhi, et al.
Veröffentlicht: (2025)

Conditioning Gaussian Processes on Almost Anything
von: Moss, Henry, et al.
Veröffentlicht: (2026)

Self-Supervised Learning with Gaussian Processes
von: Duan, Yunshan, et al.
Veröffentlicht: (2025)

Bayesian Spatial Predictive Synthesis
von: Cabel, Danielle, et al.
Veröffentlicht: (2022)

Bayesian Counterfactual Prediction Models for HIV Care Retention with Incomplete Outcome and Covariate Information
von: Oganisian, Arman, et al.
Veröffentlicht: (2024)

Gaussian Process Boosting
von: Sigrist, Fabio
Veröffentlicht: (2020)

Beyond Reweighting: On the Predictive Role of Covariate Shift in Effect Generalization
von: Jin, Ying, et al.
Veröffentlicht: (2024)

A Bayesian Take on Gaussian Process Networks
von: Giudice, Enrico, et al.
Veröffentlicht: (2023)

Bayesian Causal Inference with Gaussian Process Networks
von: Giudice, Enrico, et al.
Veröffentlicht: (2024)

New Bounds for Sparse Variational Gaussian Processes
von: Titsias, Michalis K.
Veröffentlicht: (2025)

Covariate-dependent Graphical Model Estimation via Neural Networks with Statistical Guarantees
von: Lin, Jiahe, et al.
Veröffentlicht: (2025)

Neural Conditional Simulation for Complex Spatial Processes
von: Walchessen, Julia, et al.
Veröffentlicht: (2025)

Environment-Adaptive Covariate Selection: Learning When to Use Spurious Correlations for Out-of-Distribution Prediction
von: Zuo, Shuozhi, et al.
Veröffentlicht: (2026)

Diffusion-aware Censored Gaussian Processes for Demand Modelling
von: Rodrigues, Filipe
Veröffentlicht: (2025)

Aggregation Models with Optimal Weights for Distributed Gaussian Processes
von: Chen, Haoyuan, et al.
Veröffentlicht: (2024)

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

The Generalised Kernel Covariance Measure
von: Bergen, Luca, et al.
Veröffentlicht: (2026)

Covariate-assisted graph matching
von: Dawn, Trisha, et al.
Veröffentlicht: (2025)

Prediction-Powered Inference with Imputed Covariates and Nonuniform Sampling
von: Kluger, Dan M., et al.
Veröffentlicht: (2025)

Smooth Sailing: Lipschitz-Driven Uncertainty Quantification for Spatial Association
von: Burt, David R., et al.
Veröffentlicht: (2025)

Consistent Validation for Predictive Methods in Spatial Settings
von: Burt, David R., et al.
Veröffentlicht: (2024)

Local Prediction-Powered Inference
von: Gu, Yanwu, et al.
Veröffentlicht: (2024)

The Cellwise Minimum Covariance Determinant Estimator
von: Raymaekers, Jakob, et al.
Veröffentlicht: (2022)

Conformal Prediction Under Feedback Covariate Shift for Biomolecular Design
von: Fannjiang, Clara, et al.
Veröffentlicht: (2022)