Buchumschlag

Towards Optimization and Model Selection for Domain Generalization: A Mixup-guided Solution

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lu, Wang, Wang, Jindong, Wang, Yidong, Xie, Xing
Format:	Preprint
Veröffentlicht:	2022
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A General Framework for Learning from Weak Supervision
von: Chen, Hao, et al.
Veröffentlicht: (2024)

Single Domain Generalization with Model-aware Parametric Batch-wise Mixup
von: Heidari, Marzi, et al.
Veröffentlicht: (2025)

GLADMamba: Unsupervised Graph-Level Anomaly Detection Powered by Selective State Space Model
von: Fu, Yali, et al.
Veröffentlicht: (2025)

PromptRobust: Towards Evaluating the Robustness of Large Language Models on Adversarial Prompts
von: Zhu, Kaijie, et al.
Veröffentlicht: (2023)

KIEval: A Knowledge-grounded Interactive Evaluation Framework for Large Language Models
von: Yu, Zhuohao, et al.
Veröffentlicht: (2024)

Lungmix: A Mixup-Based Strategy for Generalization in Respiratory Sound Classification
von: Ge, Shijia, et al.
Veröffentlicht: (2024)

On Catastrophic Inheritance of Large Foundation Models
von: Chen, Hao, et al.
Veröffentlicht: (2024)

Learning Gradient-based Mixup with Extrapolation toward Flatter Minima for Domain Generalization
von: Peng, Danni, et al.
Veröffentlicht: (2022)

Can I understand what I create? Self-Knowledge Evaluation of Large Language Models
von: Tan, Zhiquan, et al.
Veröffentlicht: (2024)

PromptBench: A Unified Library for Evaluation of Large Language Models
von: Zhu, Kaijie, et al.
Veröffentlicht: (2023)

An Embarrassingly Simple Baseline for Imbalanced Semi-Supervised Learning
von: Chen, Hao, et al.
Veröffentlicht: (2022)

Selective Mixup Fine-Tuning for Optimizing Non-Decomposable Objectives
von: Ramasubramanian, Shrinivas, et al.
Veröffentlicht: (2024)

SparseEval: Efficient Evaluation of Large Language Models by Sparse Optimization
von: Zhang, Taolin, et al.
Veröffentlicht: (2026)

Dynamic Evaluation of Large Language Models by Meta Probing Agents
von: Zhu, Kaijie, et al.
Veröffentlicht: (2024)

CultureLLM: Incorporating Cultural Differences into Large Language Models
von: Li, Cheng, et al.
Veröffentlicht: (2024)

On Mixup Regularization
von: Carratino, Luigi, et al.
Veröffentlicht: (2020)

Imprecise Label Learning: A Unified Framework for Learning with Various Imprecise Label Configurations
von: Chen, Hao, et al.
Veröffentlicht: (2023)

Learning Fair Robustness via Domain Mixup
von: Zhong, Meiyu, et al.
Veröffentlicht: (2024)

A Language Anchor-Guided Method for Robust Noisy Domain Generalization
von: Dai, Zilin, et al.
Veröffentlicht: (2025)

Mixup Domain Adaptations for Dynamic Remaining Useful Life Predictions
von: Furqon, Muhammad Tanzil, et al.
Veröffentlicht: (2024)

Adversarial Mixup Unlearning
von: Peng, Zhuoyi, et al.
Veröffentlicht: (2025)

IntraMix: Intra-Class Mixup Generation for Accurate Labels and Neighbors
von: Zheng, Shenghe, et al.
Veröffentlicht: (2024)

FedUMM: A General Framework for Federated Learning with Unified Multimodal Models
von: Su, Zhaolong, et al.
Veröffentlicht: (2026)

Alignment of Diffusion Model and Flow Matching for Text-to-Image Generation
von: Ouyang, Yidong, et al.
Veröffentlicht: (2026)

On the Equivalence of Graph Convolution and Mixup
von: Han, Xiaotian, et al.
Veröffentlicht: (2023)

Balanced Anomaly-guided Ego-graph Diffusion Model for Inductive Graph Anomaly Detection
von: Wei, Chunyu, et al.
Veröffentlicht: (2026)

Are Your Generated Instances Truly Useful? GenBench-MILP: A Benchmark Suite for MILP Instance Generation
von: Luo, Yidong, et al.
Veröffentlicht: (2025)

AuG-KD: Anchor-Based Mixup Generation for Out-of-Domain Knowledge Distillation
von: Tang, Zihao, et al.
Veröffentlicht: (2024)

Weasel: Out-of-Domain Generalization for Web Agents via Importance-Diversity Data Selection
von: Zadeh, Fatemeh Pesaran, et al.
Veröffentlicht: (2026)

Mixup Regularization: A Probabilistic Perspective
von: El-Laham, Yousef, et al.
Veröffentlicht: (2025)

Contrastive Learning Meets Pseudo-label-assisted Mixup Augmentation: A Comprehensive Graph Representation Framework from Local to Global
von: Wang, Jinlu, et al.
Veröffentlicht: (2025)

Linearly Convergent Mixup Learning
von: Obi, Gakuto, et al.
Veröffentlicht: (2025)

Reasoning Through Execution: Unifying Process and Outcome Rewards for Code Generation
von: Yu, Zhuohao, et al.
Veröffentlicht: (2024)

CVTGAD: Simplified Transformer with Cross-View Attention for Unsupervised Graph-level Anomaly Detection
von: Li, Jindong, et al.
Veröffentlicht: (2024)

A Generalized Theory of Mixup for Structure-Preserving Synthetic Data
von: Lee, Chungpa, et al.
Veröffentlicht: (2025)

Toward Reasoning on the Boundary: A Mixup-based Approach for Graph Anomaly Detection
von: Kim, Hwan, et al.
Veröffentlicht: (2024)

DyVal: Dynamic Evaluation of Large Language Models for Reasoning Tasks
von: Zhu, Kaijie, et al.
Veröffentlicht: (2023)

A Survey on Mixup Augmentations and Beyond
von: Jin, Xin, et al.
Veröffentlicht: (2024)

Augment on Manifold: Mixup Regularization with UMAP
von: El-Laham, Yousef, et al.
Veröffentlicht: (2023)

AGMixup: Adaptive Graph Mixup for Semi-supervised Node Classification
von: Lu, Weigang, et al.
Veröffentlicht: (2024)