stat.ML」カテゴリーアーカイブ

Learning from Similar Linear Representations: Adaptivity, Minimaxity, and Robustness

要約 代表マルチタスク学習(MTL)は、実際に大きな成功を収めています。 ただし … 続きを読む

カテゴリー: cs.LG, stat.ML | コメントする

Propagation of Chaos in One-hidden-layer Neural Networks beyond Logarithmic Time

要約 多項式幅ニューラルネットワークのダイナミクスとその無限幅の対応物との間の近 … 続きを読む

カテゴリー: cs.LG, stat.ML | コメントする

An Empirically Grounded Identifiability Theory Will Accelerate Self-Supervised Learning Research

要約 自己教師の学習(SSL)は、多くの現在のAIシステムを強化しています。 研 … 続きを読む

カテゴリー: cs.AI, cs.LG, stat.ML | コメントする

Rethinking Few-Shot Image Fusion: Granular Ball Priors Enable General-Purpose Deep Fusion

要約 画像融合タスクでは、プライアーとしての実際の融合画像が存在しないことは、基 … 続きを読む

カテゴリー: cs.CV, cs.GR, cs.LG, eess.IV, stat.ML | コメントする

A Coding-Theoretic Analysis of Hyperspherical Prototypical Learning Geometry

要約 Hyperspherical Prototypical Learning( … 続きを読む

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

Predictive Multiplicity in Survival Models: A Method for Quantifying Model Uncertainty in Predictive Maintenance Applications

要約 多くのアプリケーション、特に予測を含むアプリケーションでは、モデルはほぼ最 … 続きを読む

カテゴリー: cs.LG, stat.ML | コメントする

Approximation Bounds for Transformer Networks with Application to Regression

要約 H \ ‘古い関数とソボレフ関数のトランスネットワークの近似能 … 続きを読む

カテゴリー: cs.LG, stat.ML | コメントする

Leave-One-Out Stable Conformal Prediction

要約 コンフォーマル予測(CP)は、分布のない予測不確実性の定量化のための重要な … 続きを読む

カテゴリー: cs.LG, stat.ML | コメントする

Asymptotic Optimism of Random-Design Linear and Kernel Regression Models

要約 私たちは、ランダム設計下で線形回帰モデルの閉じた漸近楽観主義を導き出し、そ … 続きを読む

カテゴリー: 68Q32, 68T05, cs.LG, math.ST, stat.ML, stat.TH | コメントする

InfoNCE: Identifying the Gap Between Theory and Practice

要約 Infonceの損失を介した対照学習に関する以前の理論は、特定の仮定の下で … 続きを読む

カテゴリー: cs.CV, cs.LG, stat.ML | コメントする