Advanced Numerics for Uncertainty and Bayesian Inference in Science

Informations projet

ANUBIS

N° de convention de subvention: 101123955

DOI

10.3030/101123955

Date de signature de la CE 22 Mars 2024

Date de début 1 Septembre 2024

Date de fin 31 Août 2029

Financé au titre de

• European Research Council (ERC)

Coût total

€ 1 997 250,00

Contribution de l’UE

€ 1 997 250,00

Coordonné par

EBERHARD KARLS UNIVERSITAET TUEBINGEN
Germany

CORDIS fournit des liens vers les livrables publics et les publications des projets HORIZON.

Les liens vers les livrables et les publications des projets du 7e PC, ainsi que les liens vers certains types de résultats spécifiques tels que les jeux de données et les logiciels, sont récupérés dynamiquement sur OpenAIRE .

Publications

Conference proceedings (8)

Debiasing Mini-Batch Quadratics for Applications in Deep Learning

Auteurs: Lukas Nicola Tatzel; Bálint Mucsányi; Osane Hackel; Philipp Hennig
Publié dans: International Conference on Learning Representations (ICLR 2025), Numéro pp. 41298–41337, 2025
Éditeur: OpenReview / ICLR

FSP-Laplace: Function-Space Priors for the Laplace Approximation in Bayesian Deep Learning

Auteurs: Tristan Cinquin; Marvin Pförtner; Vincent Fortuin; Philipp Hennig; Robert Bamler
Publié dans: Advances in Neural Information Processing Systems 37, Numéro Vol. 37, pp. 13897–13926, 2024
Éditeur: Neural Information Processing Systems Foundation (NeurIPS)
DOI: 10.52202/079017-0446

Accelerating Neural Network Training: An Analysis of the AlgoPerf Competition

Auteurs: Priya Kasimbeg; Frank Schneider; Runa Eschenhagen; Juhan Bae; Chandramouli Shama Sastry; Mark Saroufim; Boyuan Feng; Less Wright; Edward Yang; Zachary Nado; Sourabh Medapati; Philipp Hennig; Michael Rabbat; George Dahl
Publié dans: International Conference on Learning Representations (ICLR 2025), Numéro pp. 43455–43477, 2025
Éditeur: OpenReview / ICLR

Conditioning Gaussian Processes on Almost Anything

Auteurs: Henry Moss; Lachlan Astfalck; Thomas Cowperthwaite; Colin Doumont; Sam Willis; Philipp Hennig; Christopher Nemeth; Andrew Zammit-Mangion
Publié dans: Advances in Neural Information Processing Systems (NeurIPS 2026, to appear), 2026
Éditeur: Neural Information Processing Systems Foundation (NeurIPS)
DOI: 10.48550/ARXIV.2605.21041

Computation-Aware Gaussian Processes: Model Selection and Linear-Time Inference

Auteurs: Jonathan Wenger; Kaiwen Wu; Philipp Hennig; Jacob R. Gardner; Geoff Pleiss; John P. Cunningham
Publié dans: Advances in Neural Information Processing Systems 37, Numéro Vol. 37, pp. 31316–31349, 2024
Éditeur: Neural Information Processing Systems Foundation (NeurIPS)
DOI: 10.52202/079017-0984

Reparameterization Invariance in Approximate Bayesian Inference

Auteurs: Hrittik Roy; Marco Miani; Carl Henrik Ek; Philipp Hennig; Marvin Pförtner; Lukas Tatzel; Søren Hauberg
Publié dans: Advances in Neural Information Processing Systems 37, Numéro Vol. 37, pp. 8132–8164, 2024
Éditeur: Neural Information Processing Systems Foundation (NeurIPS)
DOI: 10.52202/079017-0262

Rethinking Approximate Gaussian Inference in Classification

Auteurs: Bálint Mucsányi; Nathaël Da Costa; Philipp Hennig
Publié dans: Advances in Neural Information Processing Systems 38, Numéro Vol. 38, pp. 19148–19193, 2025
Éditeur: Neural Information Processing Systems Foundation (NeurIPS)
DOI: 10.52202/085713-0643

Learning POMDP World Models from Observations with Language-Model Priors

Auteurs: Valentin Six; Frederik Panse; Mathis Fajeau; Lancelot Da Costa; Mridul Sharma; Alfonso Amayuelas; Tim Z. Xiao; David Hyland; Philipp Hennig; Bernhard Schölkopf
Publié dans: (conference proceedings, to appear), 2026
Éditeur: (conference proceedings, to appear)
DOI: 10.48550/ARXIV.2605.13740

Monographic books (2)

Handbook of Bayesian Deep Learning

Auteurs: incl. Philipp Hennig, Nathaël Da Costa, Bálint Mucsányi, Joanna Sliwa, Tobias Weber
Publié dans: 2026
Éditeur: Taylor & Francis
DOI: 10.5281/ZENODO.22086449

Gaussian Processes and Reproducing Kernels: Connections and Equivalences

Auteurs: Motonobu Kanagawa; Philipp Hennig; Dino Sejdinovic; Bharath K. Sriperumbudur
Publié dans: Cambridge Monographs, 2025, ISSN 2331-8422
Éditeur: Cambridge University Press
DOI: 10.48550/ARXIV.2506.17366

Peer reviewed articles (2)

A Generative Framework for Probabilistic, Spatiotemporally Coherent Downscaling of Climate Simulation

Auteurs: Jonathan Schmidt; Luca Schmidt; Felix M. Strnad; Nicole Ludwig; Philipp Hennig
Publié dans: npj Climate and Atmospheric Science, Numéro Vol. 8, Article 270, 2025, ISSN 2397-3722
Éditeur: Springer Nature (Nature Portfolio)
DOI: 10.1038/S41612-025-01157-Y

Flexible Inference in Heterogeneous and Attributed Multilayer Networks

Auteurs: Martina Contisciani; Marius Hobbhahn; Eleanor A. Power; Philipp Hennig; Caterina De Bacco
Publié dans: PNAS Nexus, Numéro Vol. 4, No. 1, Article pgaf005, 2024, ISSN 2752-6542
Éditeur: Oxford University Press
DOI: 10.1093/PNASNEXUS/PGAF005