:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Cruz, Deborah Pelacani, Strong, George, Bates, Oscar, Cueto, Carlos, Yao, Jiashun, Guasch, Lluis
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Machine Learning
Online-Zugang:	https://arxiv.org/abs/2311.06558
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Automatic skull-template alignment without a guidance image
von: Bates, Oscar, et al.
Veröffentlicht: (2026)

Active Convolved Illumination with Deep Transfer Learning for Complex Beam Transmission through Atmospheric Turbulence
von: Moazzam, Adrian A., et al.
Veröffentlicht: (2025)

Fitting networks with a cancellation trick
von: Jin, Jiashun, et al.
Veröffentlicht: (2025)

Learning Intractable Multimodal Policies with Reparameterization and Diversity Regularization
von: Wang, Ziqi, et al.
Veröffentlicht: (2025)

Model-Free Neural Filtering: A Comparison with Classical Filters in Nonlinear Systems
von: Liu, Zhuochen, et al.
Veröffentlicht: (2026)

Prompt, Divide, and Conquer: Bypassing Large Language Model Safety Filters via Segmented and Distributed Prompt Processing
von: Wahréus, Johan, et al.
Veröffentlicht: (2025)

Barron-Wiener-Laguerre models
von: Manavalan, Rahul, et al.
Veröffentlicht: (2026)

Combine and Conquer: A Meta-Analysis on Data Shift and Out-of-Distribution Detection
von: Dadalto, Eduardo, et al.
Veröffentlicht: (2024)

Strategy and Skill Learning for Physics-based Table Tennis Animation
von: Wang, Jiashun, et al.
Veröffentlicht: (2024)

Diffusion Generative Modelling for Divide-and-Conquer MCMC
von: Trojan, C., et al.
Veröffentlicht: (2024)

Divide, Conquer, Combine Bayesian Decision Tree Sampling
von: Cochrane, Jodie A., et al.
Veröffentlicht: (2024)

Robust and Explainable Divide-and-Conquer Learning for Intrusion Detection
von: Zhou, Yan, et al.
Veröffentlicht: (2026)

Divide-and-Conquer Posterior Sampling for Denoising Diffusion Priors
von: Janati, Yazid, et al.
Veröffentlicht: (2024)

A PyTorch Library of Turing-Complete Neural Networks
von: Bates, Jonathan
Veröffentlicht: (2026)

Causal Discovery for Cross-Sectional Data Based on Super-Structure and Divide-and-Conquer
von: Wang, Wenyu, et al.
Veröffentlicht: (2026)

Split and Conquer Partial Deepfake Speech
von: Rimon, Inbal, et al.
Veröffentlicht: (2026)

Neuroplastic Expansion in Deep Reinforcement Learning
von: Liu, Jiashun, et al.
Veröffentlicht: (2024)

Data-Driven Prediction and Control of Hammerstein-Wiener Systems with Implicit Gaussian Processes
von: Yin, Mingzhou, et al.
Veröffentlicht: (2025)

Accurate and Scalable Matrix Mechanisms via Divide and Conquer
von: He, Guanlin, et al.
Veröffentlicht: (2026)

Latent-Variable Learning of SPDEs via Wiener Chaos
von: Zeng, Sebastian, et al.
Veröffentlicht: (2026)

Delegating Data Collection in Decentralized Machine Learning
von: Ananthakrishnan, Nivasini, et al.
Veröffentlicht: (2023)

Carbon Filter: Real-time Alert Triage Using Large Scale Clustering and Fast Search
von: Oliver, Jonathan, et al.
Veröffentlicht: (2024)

Transitive RL: Value Learning via Divide and Conquer
von: Park, Seohong, et al.
Veröffentlicht: (2025)

Recursive Decomposition with Dependencies for Generic Divide-and-Conquer Reasoning
von: Hernández-Gutiérrez, Sergio, et al.
Veröffentlicht: (2025)

Dynamic Dual Buffer with Divide-and-Conquer Strategy for Online Continual Learning
von: Dai, Congren, et al.
Veröffentlicht: (2025)

Divide-and-Conquer CoT: RL for Reducing Latency via Parallel Reasoning
von: Mahankali, Arvind, et al.
Veröffentlicht: (2026)

Divide-Fuse-Conquer: Eliciting "Aha Moments" in Multi-Scenario Games
von: Zhang, Xiaoqing, et al.
Veröffentlicht: (2025)

Statistical Optimality of Divide and Conquer Kernel-based Functional Linear Regression
von: Liu, Jiading, et al.
Veröffentlicht: (2022)

Divide-Conquer Transformer Learning for Predicting Electric Vehicle Charging Events Using Smart Meter Data
von: Ke, Fucai, et al.
Veröffentlicht: (2024)

UniChest: Conquer-and-Divide Pre-training for Multi-Source Chest X-Ray Classification
von: Dai, Tianjie, et al.
Veröffentlicht: (2023)

Efficient Neural SDE Training using Wiener-Space Cubature
von: Snow, Luke, et al.
Veröffentlicht: (2025)

Divide and Conquer: Provably Unveiling the Pareto Front with Multi-Objective Reinforcement Learning
von: Röpke, Willem, et al.
Veröffentlicht: (2024)

A Divide-and-Conquer Approach for Modeling Arrival Times in Business Process Simulation
von: Kirchdorfer, Lukas, et al.
Veröffentlicht: (2025)

Online Identification of Stochastic Continuous-Time Wiener Models Using Sampled Data
von: Abdalmoaty, Mohamed, et al.
Veröffentlicht: (2024)

A Wiener Process Perspective on Local Intrinsic Dimension Estimation Methods
von: Tempczyk, Piotr, et al.
Veröffentlicht: (2024)

Filtering Jump Markov Systems with Partially Known Dynamics: A Model-Based Deep Learning Approach
von: Stamatelis, George, et al.
Veröffentlicht: (2025)

La respuesta del Estado colombiano frente a la migración proveniente de Venezuela: la regularización migratoria en detrimento del refugio
von: Gracy Pelacani
Veröffentlicht: (2023)

Educação ambiental de base comunitária e a luta pela água
von: Barbara Pelacani
Veröffentlicht: (2021)

Niñez migrante en Colombia: grises del aclamado estatuto temporal de protección
von: Gracy Pelacani
Veröffentlicht: (2022)

Structured state-space models are deep Wiener models
von: Bonassi, Fabio, et al.
Veröffentlicht: (2023)