A scalable approximate Bayesian inference for high-dimensional Gaussian processes

Anis Fradi; Chafik Samir; François Bachoc

doi:10.1080/03610926.2020.1850793

Article Dans Une Revue Communications in Statistics - Theory and Methods Année : 2020

A scalable approximate Bayesian inference for high-dimensional Gaussian processes

(1) , ,

1

Anis Fradi

Fonction : Auteur
PersonId : 793009
ORCID : 0000-0002-4333-2318

Laboratoire d'Informatique, de Modélisation et d'Optimisation des Systèmes

Chafik Samir

Fonction : Auteur
PersonId : 15306
IdHAL : chafik-samir
ORCID : 0000-0003-0619-5040
IdRef : 187174601

CV

François Bachoc

Fonction : Auteur
PersonId : 12766
IdHAL : francois-bachoc
ORCID : 0000-0001-5336-5714
IdRef : 17494280X

Domaines

Statistiques [stat] Informatique [cs]

Anis FRADI : Connectez-vous pour contacter le contributeur

https://hal.science/hal-03091210

Soumis le : mercredi 30 décembre 2020-17:55:54

Dernière modification le : dimanche 25 février 2024-14:38:27

Dates et versions

hal-03091210 , version 1 (30-12-2020)

Identifiants

HAL Id : hal-03091210 , version 1
DOI : 10.1080/03610926.2020.1850793

Citer

Anis Fradi, Chafik Samir, François Bachoc. A scalable approximate Bayesian inference for high-dimensional Gaussian processes. Communications in Statistics - Theory and Methods, 2020, pp.1-68. ⟨10.1080/03610926.2020.1850793⟩. ⟨hal-03091210⟩

Exporter

BibTeX XML-TEI Dublin Core DC Terms EndNote DataCite

Collections

PRES_CLERMONT CNRS LIMOS CLERMONT-AUVERGNE-INP

112 Consultations

0 Téléchargements

A scalable approximate Bayesian inference for high-dimensional Gaussian processes

Domaines

Dates et versions

Identifiants

Citer

Exporter

Collections

Altmetric

Partager