Copertina

Which Spatial Partition Trees are Adaptive to Intrinsic Dimension?

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Verma, Nakul, Kpotufe, Samory, Dasgupta, Sanjoy
Natura:	Preprint
Pubblicazione:	2012
Soggetti:	Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Adaptive Sample Aggregation In Transfer Learning
di: Hanneke, Steve, et al.
Pubblicazione: (2024)

An Efficient Variant of One-Class SVM with Lifelong Online Learning Guarantees
di: Suk, Joe, et al.
Pubblicazione: (2025)

Mixed-Sample SGD: an End-to-end Analysis of Supervised Transfer Learning
di: Deng, Yuyang, et al.
Pubblicazione: (2025)

Distributionally-Constrained Adversaries in Online Learning
di: Blanchard, Moïse, et al.
Pubblicazione: (2025)

Distribution-Free Rates in Neyman-Pearson Classification
di: Kalan, Mohammadreza M., et al.
Pubblicazione: (2024)

Transfer Neyman-Pearson Algorithm for Outlier Detection
di: Kalan, Mohammadreza M., et al.
Pubblicazione: (2025)

Nonlinear Meta-Learning Can Guarantee Faster Rates
di: Meunier, Dimitri, et al.
Pubblicazione: (2023)

Neyman-Pearson Classification under Both Null and Alternative Distributions Shift
di: Kalan, Mohammadreza M., et al.
Pubblicazione: (2025)

Efficient Estimation of the Central Mean Subspace via Smoothed Gradient Outer Products
di: Yuan, Gan, et al.
Pubblicazione: (2023)

Convergence Behavior of an Adversarial Weak Supervision Method
di: An, Steven, et al.
Pubblicazione: (2024)

Online Consistency of the Nearest Neighbor Rule
di: Dasgupta, Sanjoy, et al.
Pubblicazione: (2024)

New bounds on the cohesion of complete-link and other linkage methods for agglomeration clustering
di: Dasgupta, Sanjoy, et al.
Pubblicazione: (2024)

Learnability with Partial Labels and Adaptive Nearest Neighbors
di: Errandonea, Nicolas A., et al.
Pubblicazione: (2026)

Learning Smooth Distance Functions via Queries
di: Kumar, Akash, et al.
Pubblicazione: (2024)

Reliable Programmatic Weak Supervision with Confidence Intervals for Label Probabilities
di: Álvarez, Verónica, et al.
Pubblicazione: (2025)

t-SNE Exaggerates Clusters, Provably
di: Bergam, Noah, et al.
Pubblicazione: (2025)

Low-Precision Streaming PCA
di: Dasgupta, Sanjoy, et al.
Pubblicazione: (2025)

Deep Autoregressive Models as Causal Inference Engines
di: Im, Daniel Jiwoong, et al.
Pubblicazione: (2024)

On the Intrinsic Dimensions of Data in Kernel Learning
di: Takhanov, Rustem
Pubblicazione: (2026)

Graph neural networks extrapolate out-of-distribution for shortest paths
di: Nerem, Robert R., et al.
Pubblicazione: (2025)

Rethinking Intrinsic Dimension Estimation in Neural Representations
di: Schulte, Rickmer, et al.
Pubblicazione: (2026)

A Novel Approach for Intrinsic Dimension Estimation
di: Özçoban, Kadir, et al.
Pubblicazione: (2025)

Measuring the Intrinsic Dimension of Earth Representations
di: Rao, Arjun, et al.
Pubblicazione: (2025)

Measuring Intrinsic Dimension of Token Embeddings
di: Kataiwa, Takuya, et al.
Pubblicazione: (2025)

On Convolutions, Intrinsic Dimension, and Diffusion Models
di: Leung, Kin Kwan, et al.
Pubblicazione: (2025)

Compressive Mahalanobis Metric Learning Adapts to Intrinsic Dimension
di: Palias, Efstratios, et al.
Pubblicazione: (2023)

Empowering Decision Trees via Shape Function Branching
di: Upadhya, Nakul, et al.
Pubblicazione: (2025)

Surrogate Graph Partitioning for Spatial Prediction
di: Shikuri, Yuta, et al.
Pubblicazione: (2025)

Geometric Analysis of Neural Regression Collapse via Intrinsic Dimension
di: Andriopoulos, George, et al.
Pubblicazione: (2025)

A Connection Between Score Matching and Local Intrinsic Dimension
di: Yeats, Eric, et al.
Pubblicazione: (2025)

Local Hessian Spectral Filtering for Robust Intrinsic Dimension Estimation
di: Osada, Genki
Pubblicazione: (2026)

eDCF: Estimating Intrinsic Dimension using Local Connectivity
di: Gupta, Dhruv, et al.
Pubblicazione: (2025)

NeurCAM: Interpretable Neural Clustering via Additive Models
di: Upadhya, Nakul, et al.
Pubblicazione: (2024)

Efficient Long-Tail Learning in Latent Space by sampling Synthetic Data
di: Sharma, Nakul
Pubblicazione: (2025)

A Wiener Process Perspective on Local Intrinsic Dimension Estimation Methods
di: Tempczyk, Piotr, et al.
Pubblicazione: (2024)

Smoothed Analysis for Learning Concepts with Low Intrinsic Dimension
di: Chandrasekaran, Gautam, et al.
Pubblicazione: (2024)

Sandwiching Polynomials for Geometric Concepts with Low Intrinsic Dimension
di: Klivans, Adam R., et al.
Pubblicazione: (2026)

Effect of Ambient-Intrinsic Dimension Gap on Adversarial Vulnerability
di: Haldar, Rajdeep, et al.
Pubblicazione: (2024)

Geometry-Aware Optimal Transport: Fast Intrinsic Dimension and Wasserstein Distance Estimation
di: Genans, Ferdinand, et al.
Pubblicazione: (2026)

'Si'multaneous 'S'patial-'T'emporal Message Passing for Dynamic Graph Representation Learning
di: Roy, Shubhajit, et al.
Pubblicazione: (2026)