Buchumschlag

Which Spatial Partition Trees are Adaptive to Intrinsic Dimension?

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Verma, Nakul, Kpotufe, Samory, Dasgupta, Sanjoy
Format:	Preprint
Veröffentlicht:	2012
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Low-Precision Streaming PCA
von: Dasgupta, Sanjoy, et al.
Veröffentlicht: (2025)

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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