Buchumschlag

Automatic Cross-Domain Transfer Learning for Linear Regression

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Liu, Xinshun, Xin, He, Hui, Mao, Jing, Liu, Weizhong, Lai, Qingwen, Ye
Format:	Preprint
Veröffentlicht:	2020
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Unified Transfer Learning Models in High-Dimensional Linear Regression
von: Liu, Shuo Shuo
Veröffentlicht: (2023)

Learning Cross-Domain Representations for Transferable Drug Perturbations on Single-Cell Transcriptional Responses
von: Liu, Hui, et al.
Veröffentlicht: (2024)

Expectation Error Bounds for Transfer Learning in Linear Regression and Linear Neural Networks
von: Liu, Meitong, et al.
Veröffentlicht: (2026)

Transfer Learning for Kernel-based Regression
von: Wang, Chao, et al.
Veröffentlicht: (2023)

Automated Architecture Synthesis for Arbitrarily Structured Neural Networks
von: Liu, Xinshun, et al.
Veröffentlicht: (2023)

DIIT: A Domain-Invariant Information Transfer Method for Industrial Cross-Domain Recommendation
von: Huang, Heyuan, et al.
Veröffentlicht: (2024)

Coefficient Shape Transfer Learning for Functional Linear Regression
von: Jiao, Shuhao, et al.
Veröffentlicht: (2025)

Automatic Piecewise Linear Regression for Predicting Student Learning Satisfaction
von: Choi, Haemin, et al.
Veröffentlicht: (2025)

In-context Learning for Mixture of Linear Regressions: Existence, Generalization and Training Dynamics
von: Jin, Yanhao, et al.
Veröffentlicht: (2024)

SEARL: Joint Optimization of Policy and Tool Graph Memory for Self-Evolving Agents
von: Feng, Xinshun, et al.
Veröffentlicht: (2026)

Transfer Learning of CATE with Kernel Ridge Regression
von: Kim, Seok-Jin, et al.
Veröffentlicht: (2025)

Transfer Learning for Benign Overfitting in High-Dimensional Linear Regression
von: Kim, Yeichan, et al.
Veröffentlicht: (2025)

Prompt Transfer for Dual-Aspect Cross Domain Cognitive Diagnosis
von: Liu, Fei, et al.
Veröffentlicht: (2024)

The Common Intuition to Transfer Learning Can Win or Lose: Case Studies for Linear Regression
von: Dar, Yehuda, et al.
Veröffentlicht: (2021)

Attack-Resistant Uniform Fairness for Linear and Smooth Contextual Bandits
von: Zhang, Qingwen, et al.
Veröffentlicht: (2026)

Transferability-Guided Cross-Domain Cross-Task Transfer Learning
von: Tan, Yang, et al.
Veröffentlicht: (2022)

Towards Efficient Automatic Self-Pruning of Large Language Models
von: Huang, Weizhong, et al.
Veröffentlicht: (2025)

Task Shift: From Classification to Regression in Overparameterized Linear Models
von: LaBonte, Tyler, et al.
Veröffentlicht: (2025)

Beyond the Node: Clade-level Selection for Efficient MCTS in Automatic Heuristic Design
von: Lai, Kezhao, et al.
Veröffentlicht: (2026)

Cross-Domain Pre-training with Language Models for Transferable Time Series Representations
von: Cheng, Mingyue, et al.
Veröffentlicht: (2024)

Enhancing Continuous Domain Adaptation with Multi-Path Transfer Curriculum
von: Liu, Hanbing, et al.
Veröffentlicht: (2024)

Semi-supervised Domain Adaptation in Graph Transfer Learning
von: Qiao, Ziyue, et al.
Veröffentlicht: (2023)

Optimal Transport-Based Domain Adaptation for Rotated Linear Regression
von: Britos, Brian, et al.
Veröffentlicht: (2025)

AdaTrans: Feature-wise and Sample-wise Adaptive Transfer Learning for High-dimensional Regression
von: He, Zelin, et al.
Veröffentlicht: (2024)

Optimal Cross-Validation for Sparse Linear Regression
von: Cory-Wright, Ryan, et al.
Veröffentlicht: (2023)

Frequency-Domain Regularized Adversarial Alignment for Transferable Attacks against Closed-Source MLLMs
von: Yuan, Leitao, et al.
Veröffentlicht: (2026)

A Centralized-Distributed Transfer Model for Cross-Domain Recommendation Based on Multi-Source Heterogeneous Transfer Learning
von: Xu, Ke, et al.
Veröffentlicht: (2024)

Behavior Tokens Speak Louder: Disentangled Explainable Recommendation with Behavior Vocabulary
von: Feng, Xinshun, et al.
Veröffentlicht: (2025)

ECAT: A Entire space Continual and Adaptive Transfer Learning Framework for Cross-Domain Recommendation
von: Hou, Chaoqun, et al.
Veröffentlicht: (2024)

Learning a Class of Mixed Linear Regressions: Global Convergence under General Data Conditions
von: Liu, Yujing, et al.
Veröffentlicht: (2025)

Automatic Domain Adaptation by Transformers in In-Context Learning
von: Hataya, Ryuichiro, et al.
Veröffentlicht: (2024)

One for All: A Non-Linear Transformer can Enable Cross-Domain Generalization for In-Context Reinforcement Learning
von: He, Bowen, et al.
Veröffentlicht: (2026)

Understanding Forgetting in Continual Learning with Linear Regression
von: Ding, Meng, et al.
Veröffentlicht: (2024)

Statistical Optimality of Divide and Conquer Kernel-based Functional Linear Regression
von: Liu, Jiading, et al.
Veröffentlicht: (2022)

Transformers Handle Endogeneity in In-Context Linear Regression
von: Liang, Haodong, et al.
Veröffentlicht: (2024)

Automatic Self-supervised Learning for Social Recommendations
von: He, Xin, et al.
Veröffentlicht: (2024)

Transfer Learning of Linear Regression with Multiple Pretrained Models: Benefiting from More Pretrained Models via Overparameterization Debiasing
von: Boharon, Daniel, et al.
Veröffentlicht: (2026)

Cross-Domain Policy Transfer by Representation Alignment via Multi-Domain Behavioral Cloning
von: Watahiki, Hayato, et al.
Veröffentlicht: (2024)

TransFusion: Covariate-Shift Robust Transfer Learning for High-Dimensional Regression
von: He, Zelin, et al.
Veröffentlicht: (2024)

Cross-Domain Data Selection and Augmentation for Automatic Compliance Detection
von: Ikhwantri, Fariz, et al.
Veröffentlicht: (2026)