stat.ML」カテゴリーアーカイブ

Representation Learning via Non-Contrastive Mutual Information

要約 ラベル付けデータは多くの場合、非常に時間がかかり、高価であるため、ほとんど … 続きを読む

カテゴリー: cs.AI, cs.CV, cs.LG, I.2.10, stat.ML | コメントする

CAPO: Cost-Aware Prompt Optimization

要約 大規模な言語モデル(LLM)は、単にプロンプ​​トに導かれる幅広いタスクを … 続きを読む

カテゴリー: cs.AI, cs.CL, cs.NE, stat.ML | コメントする

AlphaGrad: Non-Linear Gradient Normalization Optimizer

要約 Adamのような適応方法のメモリオーバーヘッドとハイパーパラメーターの複雑 … 続きを読む

カテゴリー: cs.AI, cs.LG, cs.NE, stat.ML | コメントする

Adaptive Student’s t-distribution with method of moments moving estimator for nonstationary time series

要約 実際の時系列は通常非定常であり、モデル適応の難しい問題をもたらします。 A … 続きを読む

カテゴリー: cs.LG, econ.EM, stat.ME, stat.ML | コメントする

Follow-the-Perturbed-Leader Approaches Best-of-Both-Worlds for the m-Set Semi-Bandit Problems

要約 組み合わせセミバンディット問題の一般的なケースである$ m $ $ -Se … 続きを読む

カテゴリー: cs.LG, stat.ML | コメントする

When resampling/reweighting improves feature learning in imbalanced classification?: A toy-model study

要約 バイナリ分類の玩具モデルは、クラスの不均衡の存在下での機能学習パフォーマン … 続きを読む

カテゴリー: cond-mat.dis-nn, cs.IT, cs.LG, math.IT, stat.ML | コメントする

Explainable Unsupervised Anomaly Detection with Random Forest

要約 私たちは、類似性学習と監視なしの異常検出を改善するための監視されていないラ … 続きを読む

カテゴリー: cs.LG, stat.ML | コメントする

Achieving Distributive Justice in Federated Learning via Uncertainty Quantification

要約 連合学習のクライアントレベルの公平性メトリックは、連邦のすべてのクライアン … 続きを読む

カテゴリー: 68T01, cs.AI, cs.LG, I.2.0, stat.ML | コメントする

Universal Approximation with Softmax Attention

要約 線形変換では、(i)2層の自己触たちと(ii)softmax関数がそれに続 … 続きを読む

カテゴリー: cs.AI, cs.LG, stat.ML | コメントする

How Private is Your Attention? Bridging Privacy with In-Context Learning

要約 コンテキスト学習(ICL) – 推論時間HASで提供された例か … 続きを読む

カテゴリー: cs.AI, cs.CL, cs.CR, cs.LG, stat.ML | コメントする