Zobrazeno 1 - 5
of 5
pro vyhledávání: '"Odgers, James"'
This work develops a Bayesian non-parametric approach to signal separation where the signals may vary according to latent variables. Our key contribution is to augment Gaussian Process Latent Variable Models (GPLVMs) to incorporate the case where eac
Externí odkaz:
http://arxiv.org/abs/2402.09122
Autor:
Folch, Jose Pablo, Odgers, James, Zhang, Shiqiang, Lee, Robert M, Shafei, Behrang, Walz, David, Tsay, Calvin, van der Wilk, Mark, Misener, Ruth
Publikováno v:
NeurIPS 2023 Workshop on Adaptive Experimental Design and Active Learning in the Real World
There has been a surge in interest in data-driven experimental design with applications to chemical engineering and drug manufacturing. Bayesian optimization (BO) has proven to be adaptable to such cases, since we can model the reactions of interest
Externí odkaz:
http://arxiv.org/abs/2312.00622
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
