Buchumschlag

Meta-Learning Adaptive Loss Functions

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Raymond, Christian, Chen, Qi, Xue, Bing, Zhang, Mengjie
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Fast and Efficient Local Search for Genetic Programming Based Loss Function Learning
von: Raymond, Christian, et al.
Veröffentlicht: (2024)

Learning Symbolic Model-Agnostic Loss Functions via Meta-Learning
von: Raymond, Christian, et al.
Veröffentlicht: (2022)

Meta-Learning Loss Functions for Deep Neural Networks
von: Raymond, Christian
Veröffentlicht: (2024)

LLM-Meta-SR: In-Context Learning for Evolving Selection Operators in Symbolic Regression
von: Zhang, Hengzhe, et al.
Veröffentlicht: (2025)

Meta-Learning Neural Procedural Biases
von: Raymond, Christian, et al.
Veröffentlicht: (2024)

A Genetic Algorithm-Based Approach for Automated Optimization of Kolmogorov-Arnold Networks in Classification Tasks
von: Long, Quan, et al.
Veröffentlicht: (2025)

FAME: Adaptive Functional Attention with Expert Routing for Function-on-Function Regression
von: Gao, Yifei, et al.
Veröffentlicht: (2025)

Meta-Learning and Meta-Reinforcement Learning -- Tracing the Path towards DeepMind's Adaptive Agent
von: Hoppmann, Björn, et al.
Veröffentlicht: (2026)

MetaHGNIE: Meta-Path Induced Hypergraph Contrastive Learning in Heterogeneous Knowledge Graphs
von: Chen, Jiawen, et al.
Veröffentlicht: (2025)

Dynamic Meta-Learning for Adaptive XGBoost-Neural Ensembles
von: Sedek, Arthur
Veröffentlicht: (2025)

DapperFL: Domain Adaptive Federated Learning with Model Fusion Pruning for Edge Devices
von: Jia, Yongzhe, et al.
Veröffentlicht: (2024)

GPLight+: A Genetic Programming Method for Learning Symmetric Traffic Signal Control Policy
von: Liao, Xiao-Cheng, et al.
Veröffentlicht: (2025)

EvoSampling: A Granular Ball-based Evolutionary Hybrid Sampling with Knowledge Transfer for Imbalanced Learning
von: Pei, Wenbin, et al.
Veröffentlicht: (2024)

Generalized Phase Pressure Control Enhanced Reinforcement Learning for Traffic Signal Control
von: Liao, Xiao-Cheng, et al.
Veröffentlicht: (2025)

In Search for Architectures and Loss Functions in Multi-Objective Reinforcement Learning
von: Terekhov, Mikhail, et al.
Veröffentlicht: (2024)

A Note on Knowledge Distillation Loss Function for Object Classification
von: Chen, Defang
Veröffentlicht: (2021)

LiBOG: Lifelong Learning for Black-Box Optimizer Generation
von: Pei, Jiyuan, et al.
Veröffentlicht: (2025)

Learning Adaptive Distribution Alignment with Neural Characteristic Function for Graph Domain Adaptation
von: Chen, Wei, et al.
Veröffentlicht: (2026)

MetaSymNet: A Tree-like Symbol Network with Adaptive Architecture and Activation Functions
von: Li, Yanjie, et al.
Veröffentlicht: (2023)

Visualizing Loss Functions as Topological Landscape Profiles
von: Geniesse, Caleb, et al.
Veröffentlicht: (2024)

Balanced Direction from Multifarious Choices: Arithmetic Meta-Learning for Domain Generalization
von: Wang, Xiran, et al.
Veröffentlicht: (2025)

MANGO: Meta-Adaptive Network Gradient Optimization for Online Continual Learning
von: Awasthi, Ankita, et al.
Veröffentlicht: (2026)

Machine Learning for Raman Spectroscopy-based Cyber-Marine Fish Biochemical Composition Analysis
von: Zhou, Yun, et al.
Veröffentlicht: (2024)

Lifelong Learning with Behavior Consolidation for Vehicle Routing
von: Pei, Jiyuan, et al.
Veröffentlicht: (2025)

A Note on Loss Functions and Error Compounding in Model-based Reinforcement Learning
von: Jiang, Nan
Veröffentlicht: (2024)

User-Adaptive Meta-Learning for Cold-Start Medication Recommendation with Uncertainty Filtering
von: Moghaddam, Arya Hadizadeh, et al.
Veröffentlicht: (2026)

Keep Rehearsing and Refining: Lifelong Learning Vehicle Routing under Continually Drifting Tasks
von: Pei, Jiyuan, et al.
Veröffentlicht: (2026)

Adaptive Weighted Loss for Sequential Recommendations on Sparse Domains
von: Mittal, Akshay, et al.
Veröffentlicht: (2025)

Hypothesis Network Planned Exploration for Rapid Meta-Reinforcement Learning Adaptation
von: Jacobson, Maxwell Joseph, et al.
Veröffentlicht: (2023)

DyEdgeGAT: Dynamic Edge via Graph Attention for Early Fault Detection in IIoT Systems
von: Zhao, Mengjie, et al.
Veröffentlicht: (2023)

Adaptive Neighborhood-Constrained Q Learning for Offline Reinforcement Learning
von: Mao, Yixiu, et al.
Veröffentlicht: (2025)

Meta Additive Model: Interpretable Sparse Learning With Auto Weighting
von: Zhang, Xuelin, et al.
Veröffentlicht: (2026)

Towards Interpretable Drug-Drug Interaction Prediction: A Graph-Based Approach with Molecular and Network-Level Explanations
von: Chen, Mengjie, et al.
Veröffentlicht: (2025)

SymLight: Exploring Interpretable and Deployable Symbolic Policies for Traffic Signal Control
von: Liao, Xiao-Cheng, et al.
Veröffentlicht: (2025)

Adaptive Meta-Domain Transfer Learning (AMDTL): A Novel Approach for Knowledge Transfer in AI
von: Laurelli, Michele
Veröffentlicht: (2024)

TIMRL: A Novel Meta-Reinforcement Learning Framework for Non-Stationary and Multi-Task Environments
von: Qi, Chenyang, et al.
Veröffentlicht: (2025)

FEED: Fairness-Enhanced Meta-Learning for Domain Generalization
von: Jiang, Kai, et al.
Veröffentlicht: (2024)

Adaptive Friction in Deep Learning: Enhancing Optimizers with Sigmoid and Tanh Function
von: Zheng, Hongye, et al.
Veröffentlicht: (2024)

Parent-Guided Adaptive Reliability (PGAR): A Behavioural Meta-Learning Framework for Stable and Trustworthy AI
von: Rankawat, Anshum
Veröffentlicht: (2026)

Learning from Aggregate responses: Instance Level versus Bag Level Loss Functions
von: Javanmard, Adel, et al.
Veröffentlicht: (2024)