Buchumschlag

$t^3$-Variational Autoencoder: Learning Heavy-tailed Data with Student's t and Power Divergence

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kim, Juno, Kwon, Jaehyuk, Cho, Mincheol, Lee, Hyunjong, Won, Joong-Ho
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

GainAdaptor: Learning Quadrupedal Locomotion with Dual Actors for Adaptable and Energy-Efficient Walking on Various Terrains
von: Kim, Mincheol, et al.
Veröffentlicht: (2024)

Sparse Variational Student-t Processes for Heavy-tailed Modeling
von: Xu, Jian, et al.
Veröffentlicht: (2024)

Low-rank Matrix Bandits with Heavy-tailed Rewards
von: Kang, Yue, et al.
Veröffentlicht: (2024)

Ditto: Accelerating Diffusion Model via Temporal Value Similarity
von: Kim, Sungbin, et al.
Veröffentlicht: (2025)

On the Correctness of the Generalized Isotonic Recursive Partitioning Algorithm
von: Won, Joong-Ho, et al.
Veröffentlicht: (2024)

Phase-Type Variational Autoencoders for Heavy-Tailed Data
von: Ziani, Abdelhakim, et al.
Veröffentlicht: (2026)

Progressive Weight Loading: Accelerating Initial Inference and Gradually Boosting Performance on Resource-Constrained Environments
von: Kim, Hyunwoo, et al.
Veröffentlicht: (2025)

Beyond Vanilla Variational Autoencoders: Detecting Posterior Collapse in Conditional and Hierarchical Variational Autoencoders
von: Dang, Hien, et al.
Veröffentlicht: (2023)

ASAP: Attention Sink Anchored Pruning
von: Lee, Jaehyuk, et al.
Veröffentlicht: (2026)

SpecExtend: A Drop-in Enhancement for Speculative Decoding of Long Sequences
von: Cha, Jungyoub, et al.
Veröffentlicht: (2025)

Lost in the Prompt Order: Revealing the Limitations of Causal Attention in Language Models
von: Ok, Hyunjong, et al.
Veröffentlicht: (2026)

Learning Massive-scale Partial Correlation Networks in Clinical Multi-omics Studies with HP-ACCORD
von: Lee, Sungdong, et al.
Veröffentlicht: (2024)

Transformers Learn Nonlinear Features In Context: Nonconvex Mean-field Dynamics on the Attention Landscape
von: Kim, Juno, et al.
Veröffentlicht: (2024)

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

Automated Model Evaluation for Object Detection via Prediction Consistency and Reliability
von: Yoo, Seungju, et al.
Veröffentlicht: (2025)

KL Divergence Between Gaussians: A Step-by-Step Derivation for the Variational Autoencoder Objective
von: Muñoz, Andrés, et al.
Veröffentlicht: (2026)

Novel Development of LLM Driven mCODE Data Model for Improved Clinical Trial Matching to Enable Standardization and Interoperability in Oncology Research
von: Shekhar, Aarsh, et al.
Veröffentlicht: (2024)

TempCore: Are Video QA Benchmarks Temporally Grounded? A Frame Selection Sensitivity Analysis and Benchmark
von: Ok, Hyunjong, et al.
Veröffentlicht: (2025)

Temporal Dynamic Embedding for Irregularly Sampled Time Series
von: Kim, Mincheol, et al.
Veröffentlicht: (2025)

S2Cap: A Benchmark and a Baseline for Singing Style Captioning
von: Ok, Hyunjong, et al.
Veröffentlicht: (2024)

Data Augmentation with Variational Autoencoder for Imbalanced Dataset
von: Stocksieker, Samuel, et al.
Veröffentlicht: (2024)

Transformers Provably Solve Parity Efficiently with Chain of Thought
von: Kim, Juno, et al.
Veröffentlicht: (2024)

Coverage Improvement and Fast Convergence of On-policy Preference Learning
von: Kim, Juno, et al.
Veröffentlicht: (2026)

AuditoryBench++: Can Language Models Understand Auditory Knowledge without Hearing?
von: Ok, Hyunjong, et al.
Veröffentlicht: (2025)

Generative Active Learning with Variational Autoencoder for Radiology Data Generation in Veterinary Medicine
von: Lee, In-Gyu, et al.
Veröffentlicht: (2024)

Q-MAML: Quantum Model-Agnostic Meta-Learning for Variational Quantum Algorithms
von: Lee, Junyong, et al.
Veröffentlicht: (2025)

Anomaly Detection in Time Series Data Using Reinforcement Learning, Variational Autoencoder, and Active Learning
von: Golchin, Bahareh, et al.
Veröffentlicht: (2025)

Sharp Capacity Scaling of Spectral Optimizers in Learning Associative Memory
von: Kim, Juno, et al.
Veröffentlicht: (2026)

Causal Dynamic Variational Autoencoder for Counterfactual Regression in Longitudinal Data
von: Bouchattaoui, Mouad El, et al.
Veröffentlicht: (2023)

Exploring Variational Graph Autoencoders for Distribution Grid Data Generation
von: Abbas, Syed Zain, et al.
Veröffentlicht: (2025)

Mirror Mean-Field Langevin Dynamics
von: Gu, Anming, et al.
Veröffentlicht: (2025)

Catoni Contextual Bandits are Robust to Heavy-tailed Rewards
von: Ye, Chenlu, et al.
Veröffentlicht: (2025)

Heavy-tailed Contamination is Easier than Adversarial Contamination
von: Cherapanamjeri, Yeshwanth, et al.
Veröffentlicht: (2024)

Variational Autoencoder-Based Approach to Latent Feature Analysis on Efficient Representation of Power Load Monitoring Data
von: Xie, Boyu, et al.
Veröffentlicht: (2025)

Enhancing Variational Autoencoders with Smooth Robust Latent Encoding
von: Lee, Hyomin, et al.
Veröffentlicht: (2025)

IPPRO: Importance-based Pruning with PRojective Offset for Magnitude-indifferent Structural Pruning
von: Jung, Jaeheun, et al.
Veröffentlicht: (2025)

One-Time Soft Alignment Enables Resilient Learning without Weight Transport
von: Cheon, Jeonghwan, et al.
Veröffentlicht: (2025)

Analysis of Variational Sparse Autoencoders
von: Baker, Zachary, et al.
Veröffentlicht: (2025)

Variational Rank Reduction Autoencoders
von: Mounayer, Jad, et al.
Veröffentlicht: (2025)

Ensemble Visualization With Variational Autoencoder
von: Wu, Cenyang, et al.
Veröffentlicht: (2025)