:: Library Catalog

Copertina

Salvato in:

Dettagli Bibliografici
Autori principali:	Pan, Jiarong, Falkner, Stefan, Berkenkamp, Felix, Vanschoren, Joaquin
Natura:	Preprint
Pubblicazione:	2023
Soggetti:	Machine Learning
Accesso online:	https://arxiv.org/abs/2307.03565
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Meta-Learning for Unsupervised Outlier Detection with Optimal Transport
di: Singh, Prabhant, et al.
Pubblicazione: (2022)

Generative Posterior Networks for Approximately Bayesian Epistemic Uncertainty Estimation
di: Roderick, Melrose, et al.
Pubblicazione: (2023)

Information-Theoretic Safe Bayesian Optimization
di: Bottero, Alessandro G., et al.
Pubblicazione: (2024)

Unsupervised Meta-Learning via In-Context Learning
di: Vettoruzzo, Anna, et al.
Pubblicazione: (2024)

On Supernet Transfer Learning for Effective Task Adaptation
di: Singh, Prabhant, et al.
Pubblicazione: (2024)

Can time series forecasting be automated? A benchmark and analysis
di: Sreedhara, Anvitha Thirthapura, et al.
Pubblicazione: (2024)

Advances and Challenges in Meta-Learning: A Technical Review
di: Vettoruzzo, Anna, et al.
Pubblicazione: (2023)

How NOT to benchmark your SITE metric: Beyond Static Leaderboards and Towards Realistic Evaluation
di: Singh, Prabhant, et al.
Pubblicazione: (2025)

Robustness of AutoML on Dirty Categorical Data
di: Bueno, Marcos L. P., et al.
Pubblicazione: (2026)

Occam's model: Selecting simpler representations for better transferability estimation
di: Singh, Prabhant, et al.
Pubblicazione: (2025)

Model-Based Epistemic Variance of Values for Risk-Aware Policy Optimization
di: Luis, Carlos E., et al.
Pubblicazione: (2023)

AutoML Benchmark with shorter time constraints and early stopping
di: Jurado, Israel Campero, et al.
Pubblicazione: (2025)

Meta-Learning Transformers to Improve In-Context Generalization
di: Braccaioli, Lorenzo, et al.
Pubblicazione: (2025)

Pruned Adaptation Modules: A Simple yet Strong Baseline for Continual Foundation Models
di: Yildirim, Elif Ceren Gok, et al.
Pubblicazione: (2026)

Automatic Combination of Sample Selection Strategies for Few-Shot Learning
di: Pecher, Branislav, et al.
Pubblicazione: (2024)

Value-Distributional Model-Based Reinforcement Learning
di: Luis, Carlos E., et al.
Pubblicazione: (2023)

Uncertainty Representations in State-Space Layers for Deep Reinforcement Learning under Partial Observability
di: Luis, Carlos E., et al.
Pubblicazione: (2024)

Revisiting Logistic-softmax Likelihood in Bayesian Meta-Learning for Few-Shot Classification
di: Ke, Tianjun, et al.
Pubblicazione: (2023)

Evolving Machine Learning in Non-Stationary Environments: A Unified Survey of Drift, Forgetting, and Adaptation
di: Martin, Ignacio Cabrera, et al.
Pubblicazione: (2025)

Continual Learning on a Data Diet
di: Yildirim, Elif Ceren Gok, et al.
Pubblicazione: (2024)

Learning to Learn without Forgetting using Attention
di: Vettoruzzo, Anna, et al.
Pubblicazione: (2024)

Unlocking [CLS] Features for Continual Post-Training
di: Yildirim, Murat Onur, et al.
Pubblicazione: (2025)

Automated Machine Learning for Unsupervised Tabular Tasks
di: Singh, Prabhant, et al.
Pubblicazione: (2025)

CLAMS: A System for Zero-Shot Model Selection for Clustering
di: Singh, Prabhant, et al.
Pubblicazione: (2024)

AdaCL:Adaptive Continual Learning
di: Yildirim, Elif Ceren Gok, et al.
Pubblicazione: (2023)

Self-Regulated Neurogenesis for Online Data-Incremental Learning
di: Yildirim, Murat Onur, et al.
Pubblicazione: (2024)

Preconditioned Neural Posterior Estimation for Likelihood-free Inference
di: Wang, Xiaoyu, et al.
Pubblicazione: (2024)

Credal Prediction based on Relative Likelihood
di: Löhr, Timo, et al.
Pubblicazione: (2025)

Optimizing Likelihoods via Mutual Information: Bridging Simulation-Based Inference and Bayesian Optimal Experimental Design
di: Zaballa, Vincent D., et al.
Pubblicazione: (2025)

Clustering-based Meta Bayesian Optimization with Theoretical Guarantee
di: Nguyen, Khoa, et al.
Pubblicazione: (2025)

Normalizing Flow Regression for Bayesian Inference with Offline Likelihood Evaluations
di: Li, Chengkun, et al.
Pubblicazione: (2025)

Bayesian Inference of Contextual Bandit Policies via Empirical Likelihood
di: Ouyang, Jiangrong, et al.
Pubblicazione: (2026)

Automated Reinforcement Learning: An Overview
di: Afshar, Reza Refaei, et al.
Pubblicazione: (2022)

Meta-learning Optimizers for Communication-Efficient Learning
di: Joseph, Charles-Étienne, et al.
Pubblicazione: (2023)

MONGOOSE: Path-wise Smooth Bayesian Optimisation via Meta-learning
di: Yang, Adam X., et al.
Pubblicazione: (2023)

SMOG: Scalable Meta-Learning for Multi-Objective Bayesian Optimization
di: Papenmeier, Leonard, et al.
Pubblicazione: (2026)

Batched Energy-Entropy acquisition for Bayesian Optimization
di: Teufel, Felix, et al.
Pubblicazione: (2024)

Lookahead Path Likelihood Optimization for Diffusion LLMs
di: Liu, Xuejie, et al.
Pubblicazione: (2026)

FORML: A Riemannian Hessian-free Method for Meta-learning on Stiefel Manifolds
di: Tabealhojeh, Hadi, et al.
Pubblicazione: (2024)

Causal Bayesian Optimization with Unknown Graphs
di: Durand, Jean, et al.
Pubblicazione: (2025)