Buchumschlag

Supervised Feature Compression based on Counterfactual Analysis

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Piccialli, Veronica, Morales, Dolores Romero, Salvatore, Cecilia
Format:	Preprint
Veröffentlicht:	2022
Schlagworte:	Machine Learning Optimization and Control
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Optimization meets Machine Learning: An Exact Algorithm for Semi-Supervised Support Vector Machines
von: Piccialli, Veronica, et al.
Veröffentlicht: (2023)

Strong bounds for large-scale Minimum Sum-of-Squares Clustering
von: Croella, Anna Livia, et al.
Veröffentlicht: (2025)

Counterfactual Analysis and Target Setting in Benchmarking
von: Bogetoft, Peter, et al.
Veröffentlicht: (2024)

Counterfactual optimization for fault prevention in complex wind energy systems
von: Carrizosa, Emilio, et al.
Veröffentlicht: (2025)

Counterfactual Explanations for Linear Optimization
von: Kurtz, Jannis, et al.
Veröffentlicht: (2024)

S-CFE: Simple Counterfactual Explanations
von: Sadiku, Shpresim, et al.
Veröffentlicht: (2024)

An Explainable and Interpretable Composite Indicator Based on Decision Rules
von: Corrente, Salvatore, et al.
Veröffentlicht: (2025)

Don't Explain Noise: Robust Counterfactuals for Randomized Ensembles
von: Forel, Alexandre, et al.
Veröffentlicht: (2022)

Malliavin Calculus with Weak Derivatives for Counterfactual Stochastic Optimization
von: Krishnamurthy, Vikram, et al.
Veröffentlicht: (2025)

Linear Model Extraction via Factual and Counterfactual Queries
von: Otto, Daan, et al.
Veröffentlicht: (2026)

A Theoretical Analysis of Self-Supervised Learning for Vision Transformers
von: Huang, Yu, et al.
Veröffentlicht: (2024)

Going from a Representative Agent to Counterfactuals in Combinatorial Choice
von: Ruan, Yanqiu, et al.
Veröffentlicht: (2025)

Fix and Bound: An efficient approach for solving large-scale quadratic programming problems with box constraints
von: Locatelli, Marco, et al.
Veröffentlicht: (2022)

Which Features are Best for Successor Features?
von: Ollivier, Yann
Veröffentlicht: (2025)

PACE: Prune-And-Compress Ensemble Models
von: Akkerman, Fabian, et al.
Veröffentlicht: (2026)

Accelerated Distributed Optimization with Compression and Error Feedback
von: Gao, Yuan, et al.
Veröffentlicht: (2025)

Improved Compression Bounds for Scenario Decision Making
von: Berger, Guillaume O.
Veröffentlicht: (2025)

Effective Communication with Dynamic Feature Compression
von: Talli, Pietro, et al.
Veröffentlicht: (2024)

Multiscale Supervised Unbalanced Optimal Transport Flow Matching
von: Peng, Qiangwei, et al.
Veröffentlicht: (2026)

Self-Supervised Learning of Iterative Solvers for Constrained Optimization
von: Lüken, Lukas, et al.
Veröffentlicht: (2024)

Compression-aware Training of Neural Networks using Frank-Wolfe
von: Zimmer, Max, et al.
Veröffentlicht: (2022)

Compressed Decentralized Momentum Stochastic Gradient Methods for Nonconvex Optimization
von: Liu, Wei, et al.
Veröffentlicht: (2025)

Solving Sparse \& High-Dimensional-Output Regression via Compression
von: Li, Renyuan, et al.
Veröffentlicht: (2024)

Improved Analysis for Sign-based Methods with Momentum Updates
von: Jiang, Wei, et al.
Veröffentlicht: (2025)

On Building Myopic MPC Policies using Supervised Learning
von: Orrico, Christopher A., et al.
Veröffentlicht: (2024)

Graph Similarity Regularized Softmax for Semi-Supervised Node Classification
von: Yang, Yiming, et al.
Veröffentlicht: (2024)

Self-Supervised Penalty-Based Learning for Robust Constrained Optimization
von: Benslimane, Wyame, et al.
Veröffentlicht: (2025)

Control and optimization for Neural Partial Differential Equations in Supervised Learning
von: Bensoussan, Alain, et al.
Veröffentlicht: (2025)

Generating Likely Counterfactuals Using Sum-Product Networks
von: Nemecek, Jiri, et al.
Veröffentlicht: (2024)

Greedy Low-Rank Gradient Compression for Distributed Learning with Convergence Guarantees
von: Chen, Chuyan, et al.
Veröffentlicht: (2025)

Bi-Sparse Unsupervised Feature Selection
von: Xiu, Xianchao, et al.
Veröffentlicht: (2024)

Feature-Based Interpretable Surrogates for Optimization
von: Goerigk, Marc, et al.
Veröffentlicht: (2024)

High-Dimensional Bayesian Optimization Using Both Random and Supervised Embeddings
von: Priem, Rémy, et al.
Veröffentlicht: (2025)

The New Era of Dynamic Pricing: Synergizing Supervised Learning and Quadratic Programming
von: Bramao, Gustavo, et al.
Veröffentlicht: (2024)

Exact Instance Compression for Convex Empirical Risk Minimization via Color Refinement
von: Zhu, Bryan, et al.
Veröffentlicht: (2026)

Compressed and distributed least-squares regression: convergence rates with applications to Federated Learning
von: Philippenko, Constantin, et al.
Veröffentlicht: (2023)

Compressed Proximal Federated Learning for Non-Convex Composite Optimization on Heterogeneous Data
von: Qiu, Pu, et al.
Veröffentlicht: (2026)

TAMUNA: Doubly Accelerated Distributed Optimization with Local Training, Compression, and Partial Participation
von: Condat, Laurent, et al.
Veröffentlicht: (2023)

A Compositional Kernel Model for Feature Learning
von: Ruan, Feng, et al.
Veröffentlicht: (2025)

Fair Supervised Learning Through Constraints on Smooth Nonconvex Unfairness-Measure Surrogates
von: Khatti, Zahra, et al.
Veröffentlicht: (2025)