Buchumschlag

Gated Ensemble of Spatio-temporal Mixture of Experts for Multi-task Learning in Ride-hailing System

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Rahman, M. H., Rifaat, S. M., Sadeek, S. N., Abrar, M., Wang, D.
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

Learning Personalized Utility Functions for Drivers in Ride-hailing Systems Using Ensemble Hypernetworks
von: Mai, Weiming, et al.
Veröffentlicht: (2025)

Fairness-Enhancing Vehicle Rebalancing in the Ride-hailing System
von: Guo, Xiaotong, et al.
Veröffentlicht: (2023)

A Multi-class Ride-hailing Service Subsidy System Utilizing Deep Causal Networks
von: Yu, Zhe, et al.
Veröffentlicht: (2024)

Advancing Robust Underwater Acoustic Target Recognition through Multi-task Learning and Multi-Gate Mixture-of-Experts
von: Xie, Yuan, et al.
Veröffentlicht: (2024)

Mixture of Experts based Multi-task Supervise Learning from Crowds
von: Han, Tao, et al.
Veröffentlicht: (2024)

Modeling Spatio-temporal Dynamical Systems with Neural Discrete Learning and Levels-of-Experts
von: Wang, Kun, et al.
Veröffentlicht: (2024)

Ensemble and Mixture-of-Experts DeepONets For Operator Learning
von: Sharma, Ramansh, et al.
Veröffentlicht: (2024)

Quantum-Informed Contrastive Learning with Dynamic Mixup Augmentation for Class-Imbalanced Expert Systems
von: Jahin, Md Abrar, et al.
Veröffentlicht: (2025)

Convergence Rates for Softmax Gating Mixture of Experts
von: Nguyen, Huy, et al.
Veröffentlicht: (2025)

Gaussian Process-Gated Hierarchical Mixtures of Experts
von: Liu, Yuhao, et al.
Veröffentlicht: (2023)

On Expert Estimation in Hierarchical Mixture of Experts: Beyond Softmax Gating Functions
von: Nguyen, Huy, et al.
Veröffentlicht: (2024)

On Least Square Estimation in Softmax Gating Mixture of Experts
von: Nguyen, Huy, et al.
Veröffentlicht: (2024)

Multi-Task Reinforcement Learning with Mixture of Orthogonal Experts
von: Hendawy, Ahmed, et al.
Veröffentlicht: (2023)

Sigmoid Gating is More Sample Efficient than Softmax Gating in Mixture of Experts
von: Nguyen, Huy, et al.
Veröffentlicht: (2024)

LiME: Lightweight Mixture of Experts for Efficient Multimodal Multi-task Learning
von: Kowsher, Md, et al.
Veröffentlicht: (2026)

Beyond instruction-conditioning, MoTE: Mixture of Task Experts for Multi-task Embedding Models
von: Romero, Miguel, et al.
Veröffentlicht: (2025)

Quadratic Gating Mixture of Experts: Statistical Insights into Self-Attention
von: Akbarian, Pedram, et al.
Veröffentlicht: (2024)

Rethinking Multinomial Logistic Mixture of Experts with Sigmoid Gating Function
von: Pham, Tuan Minh, et al.
Veröffentlicht: (2026)

EEGMamba: Bidirectional State Space Model with Mixture of Experts for EEG Multi-task Classification
von: Gui, Yiyu, et al.
Veröffentlicht: (2024)

Merging Multi-Task Models via Weight-Ensembling Mixture of Experts
von: Tang, Anke, et al.
Veröffentlicht: (2024)

InterroGate: Learning to Share, Specialize, and Prune Representations for Multi-task Learning
von: Bejnordi, Babak Ehteshami, et al.
Veröffentlicht: (2024)

STEMO: Early Spatio-temporal Forecasting with Multi-Objective Reinforcement Learning
von: Shao, Wei, et al.
Veröffentlicht: (2024)

GatePro: Parameter-Free Expert Selection Optimization for Mixture-of-Experts Models
von: Zheng, Chen, et al.
Veröffentlicht: (2025)

Statistical Perspective of Top-K Sparse Softmax Gating Mixture of Experts
von: Nguyen, Huy, et al.
Veröffentlicht: (2023)

A General Theory for Softmax Gating Multinomial Logistic Mixture of Experts
von: Nguyen, Huy, et al.
Veröffentlicht: (2023)

Mixture-of-Experts for Distributed Edge Computing with Channel-Aware Gating Function
von: Song, Qiuchen, et al.
Veröffentlicht: (2025)

Get Rid of Isolation: A Continuous Multi-task Spatio-Temporal Learning Framework
von: Yi, Zhongchao, et al.
Veröffentlicht: (2024)

Efficient and Effective Weight-Ensembling Mixture of Experts for Multi-Task Model Merging
von: Shen, Li, et al.
Veröffentlicht: (2024)

T-REX: Mixture-of-Rank-One-Experts with Semantic-aware Intuition for Multi-task Large Language Model Finetuning
von: Zhang, Rongyu, et al.
Veröffentlicht: (2024)

Expert Merging in Sparse Mixture of Experts with Nash Bargaining
von: Nguyen, Dung V., et al.
Veröffentlicht: (2025)

A Statistical Theory of Gated Attention through the Lens of Hierarchical Mixture of Experts
von: Nguyen, Viet, et al.
Veröffentlicht: (2026)

Learning More Generalized Experts by Merging Experts in Mixture-of-Experts
von: Park, Sejik
Veröffentlicht: (2024)

HoME: Hierarchy of Multi-Gate Experts for Multi-Task Learning at Kuaishou
von: Wang, Xu, et al.
Veröffentlicht: (2024)

A Gated Residual Kolmogorov-Arnold Networks for Mixtures of Experts
von: Inzirillo, Hugo, et al.
Veröffentlicht: (2024)

Multi-Head Mixture-of-Experts
von: Wu, Xun, et al.
Veröffentlicht: (2024)

EnECG: Efficient Ensemble Learning for Electrocardiogram Multi-task Foundation Model
von: Xu, Yuhao, et al.
Veröffentlicht: (2025)

Varying-Coefficient Mixture of Experts Model
von: Zhao, Qicheng, et al.
Veröffentlicht: (2026)

GateTS: Versatile and Efficient Forecasting via Attention-Inspired routed Mixture-of-Experts
von: Yemets, Kyrylo, et al.
Veröffentlicht: (2025)

On Bayesian Softmax-Gated Mixture-of-Experts Models
von: Bariletto, Nicola, et al.
Veröffentlicht: (2026)

FLAME: Adaptive Mixture-of-Experts for Continual Multimodal Multi-Task Learning
von: Han, Xing, et al.
Veröffentlicht: (2026)