Copertina

Class Distribution Shifts in Zero-Shot Learning: Learning Robust Representations

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Slavutsky, Yuli, Benjamini, Yuval
Natura:	Preprint
Pubblicazione:	2023
Soggetti:	Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Predicting Classification Accuracy When Adding New Unobserved Classes
di: Slavutsky, Yuli, et al.
Pubblicazione: (2020)

Robust Representation Learning through Explicit Environment Modeling
di: Slavutsky, Yuli, et al.
Pubblicazione: (2026)

Quantifying Uncertainty in the Presence of Distribution Shifts
di: Slavutsky, Yuli, et al.
Pubblicazione: (2025)

Variational Learning of Disentangled Representations
di: Slavutsky, Yuli, et al.
Pubblicazione: (2025)

Input Adaptive Bayesian Model Averaging
di: Slavutsky, Yuli, et al.
Pubblicazione: (2025)

CardiCat: a Variational Autoencoder for High-Cardinality Tabular Data
di: Carlin, Lee, et al.
Pubblicazione: (2025)

Neural Generalized Mixed-Effects Models
di: Slavutsky, Yuli, et al.
Pubblicazione: (2026)

Confident Feature Ranking
di: Neuhof, Bitya, et al.
Pubblicazione: (2023)

Learning Clinical Representations Under Systematic Distribution Shift
di: Zhang, Yuanyun, et al.
Pubblicazione: (2026)

Zero-Shot Object-Centric Representation Learning
di: Didolkar, Aniket, et al.
Pubblicazione: (2024)

Towards Robust Zero-Shot Reinforcement Learning
di: Zheng, Kexin, et al.
Pubblicazione: (2025)

TD-JEPA: Latent-predictive Representations for Zero-Shot Reinforcement Learning
di: Bagatella, Marco, et al.
Pubblicazione: (2025)

CPR: Causal Physiological Representation Learning for Robust ECG Analysis under Distribution Shifts
di: Jia, Shunbo, et al.
Pubblicazione: (2025)

Learning Divergence Fields for Shift-Robust Graph Representations
di: Wu, Qitian, et al.
Pubblicazione: (2024)

Understanding the Robustness of Multi-modal Contrastive Learning to Distribution Shift
di: Xue, Yihao, et al.
Pubblicazione: (2023)

How Do the Architecture and Optimizer Affect Representation Learning? On the Training Dynamics of Representations in Deep Neural Networks
di: Sharon, Yuval, et al.
Pubblicazione: (2024)

On Class Separability Pitfalls In Audio-Text Contrastive Zero-Shot Learning
di: Tavares, Tiago, et al.
Pubblicazione: (2024)

Robust Invariant Representation Learning by Distribution Extrapolation
di: Yoshida, Kotaro, et al.
Pubblicazione: (2025)

Learning Optimal Classification Trees Robust to Distribution Shifts
di: Justin, Nathan, et al.
Pubblicazione: (2023)

Few-Shot Inspired Generative Zero-Shot Learning
di: Shohag, Md Shakil Ahamed, et al.
Pubblicazione: (2025)

Few-Shot Class Incremental Learning via Robust Transformer Approach
di: Paeedeh, Naeem, et al.
Pubblicazione: (2024)

Adapting to the Unknown: Robust Meta-Learning for Zero-Shot Financial Time Series Forecasting
di: Liu, Anxian, et al.
Pubblicazione: (2025)

On Zero-Shot Reinforcement Learning
di: Jeen, Scott
Pubblicazione: (2025)

CellStyle: Improved Zero-Shot Cell Segmentation via Style Transfer
di: Yilmaz, Rüveyda, et al.
Pubblicazione: (2025)

Certifiably Robust Model Evaluation in Federated Learning under Meta-Distributional Shifts
di: Najafi, Amir, et al.
Pubblicazione: (2024)

Quantifying Distribution Shifts and Uncertainties for Enhanced Model Robustness in Machine Learning Applications
di: Flovik, Vegard
Pubblicazione: (2024)

On the Benefits of Public Representations for Private Transfer Learning under Distribution Shift
di: Thaker, Pratiksha, et al.
Pubblicazione: (2023)

Zero-Shot Learning for Obsolescence Risk Forecasting
di: Saad, Elie, et al.
Pubblicazione: (2025)

Robust Visual Representation Learning with Multi-modal Prior Knowledge for Image Classification Under Distribution Shift
di: Zhou, Hongkuan, et al.
Pubblicazione: (2024)

Zero-Shot Off-Policy Learning
di: Asadulaev, Arip, et al.
Pubblicazione: (2026)

FedRC: Tackling Diverse Distribution Shifts Challenge in Federated Learning by Robust Clustering
di: Guo, Yongxin, et al.
Pubblicazione: (2023)

AnchorInv: Few-Shot Class-Incremental Learning of Physiological Signals via Representation Space Guided Inversion
di: Li, Chenqi, et al.
Pubblicazione: (2024)

A Minimalist Prompt for Zero-Shot Policy Learning
di: Song, Meng, et al.
Pubblicazione: (2024)

Tackling the Zero-Shot Reinforcement Learning Loss Directly
di: Ollivier, Yann
Pubblicazione: (2025)

A Unified Framework for Zero-Shot Reinforcement Learning
di: Di Ventura, Jacopo, et al.
Pubblicazione: (2025)

Learning Calibrated Uncertainties for Domain Shift: A Distributionally Robust Learning Approach
di: Wang, Haoxuan, et al.
Pubblicazione: (2020)

Few-Shot Learning with Class Imbalance
di: Ochal, Mateusz, et al.
Pubblicazione: (2021)

Few-Shot Causal Representation Learning for Out-of-Distribution Generalization on Heterogeneous Graphs
di: Ding, Pengfei, et al.
Pubblicazione: (2024)

Optimal Attention Temperature Improves the Robustness of In-Context Learning under Distribution Shift in High Dimensions
di: Demir, Samet, et al.
Pubblicazione: (2025)

Approximate Bayesian Class-Conditional Models under Continuous Representation Shift
di: Lee, Thomas L., et al.
Pubblicazione: (2023)