Buchumschlag

Towards Context-Aware Domain Generalization: Understanding the Benefits and Limits of Marginal Transfer Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Müller, Jens, Kühmichel, Lars, Rohbeck, Martin, Radev, Stefan T., Köthe, Ullrich
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

Detecting Model Misspecification in Amortized Bayesian Inference with Neural Networks: An Extended Investigation
von: Schmitt, Marvin, et al.
Veröffentlicht: (2024)

Consistency Models for Scalable and Fast Simulation-Based Inference
von: Schmitt, Marvin, et al.
Veröffentlicht: (2023)

JADAI: Jointly Amortizing Adaptive Design and Bayesian Inference
von: Bracher, Niels, et al.
Veröffentlicht: (2025)

Leveraging Self-Consistency for Data-Efficient Amortized Bayesian Inference
von: Schmitt, Marvin, et al.
Veröffentlicht: (2023)

Breaking the Simplification Bottleneck in Amortized Neural Symbolic Regression
von: Saegert, Paul, et al.
Veröffentlicht: (2026)

Towards Understanding The Calibration Benefits of Sharpness-Aware Minimization
von: Tan, Chengli, et al.
Veröffentlicht: (2025)

Context-Aware Self-Adaptation for Domain Generalization
von: Yan, Hao, et al.
Veröffentlicht: (2025)

Inverting Foundation Models of Brain Function with Simulation-Based Inference
von: Bracher, Niels, et al.
Veröffentlicht: (2026)

BayesFlow: Learning complex stochastic models with invertible neural networks
von: Radev, Stefan T., et al.
Veröffentlicht: (2020)

Sensitivity-Aware Amortized Bayesian Inference
von: Elsemüller, Lasse, et al.
Veröffentlicht: (2023)

Diffusion Models in Simulation-Based Inference: A Tutorial Review
von: Arruda, Jonas, et al.
Veröffentlicht: (2025)

Towards Generalisable Time Series Understanding Across Domains
von: Turgut, Özgün, et al.
Veröffentlicht: (2024)

Towards Understanding Layer Contributions in Tabular In-Context Learning Models
von: Balef, Amir Rezaei, et al.
Veröffentlicht: (2025)

Generalized Adaptive Transfer Network: Enhancing Transfer Learning in Reinforcement Learning Across Domains
von: Verma, Abhishek, et al.
Veröffentlicht: (2025)

Fuse It or Lose It: Deep Fusion for Multimodal Simulation-Based Inference
von: Schmitt, Marvin, et al.
Veröffentlicht: (2023)

A Framework for Quantifying How Pre-Training and Context Benefit In-Context Learning
von: Song, Bingqing, et al.
Veröffentlicht: (2025)

Towards Understanding Subliminal Learning: When and How Hidden Biases Transfer
von: Schrodi, Simon, et al.
Veröffentlicht: (2025)

Time Transfer: On Optimal Learning Rate and Batch Size In The Infinite Data Limit
von: Filatov, Oleg, et al.
Veröffentlicht: (2024)

Towards Understanding the Role of Sharpness-Aware Minimization Algorithms for Out-of-Distribution Generalization
von: Schapiro, Samuel, et al.
Veröffentlicht: (2024)

Amortized Bayesian Multilevel Models
von: Habermann, Daniel, et al.
Veröffentlicht: (2024)

On the Benefits of Attribute-Driven Graph Domain Adaptation
von: Fang, Ruiyi, et al.
Veröffentlicht: (2025)

Analyzing Generative Models by Manifold Entropic Metrics
von: Galperin, Daniel, et al.
Veröffentlicht: (2024)

Understanding Transferable Representation Learning and Zero-shot Transfer in CLIP
von: Chen, Zixiang, et al.
Veröffentlicht: (2023)

Generative Marginalization Models
von: Liu, Sulin, et al.
Veröffentlicht: (2023)

A Survey of Music Generation in the Context of Interaction
von: Agchar, Ismael, et al.
Veröffentlicht: (2024)

Semantics-Aware Generative Latent Data Augmentation for Learning in Low-Resource Domains
von: Bae, Jaesung, et al.
Veröffentlicht: (2026)

Domain-Aware Hierarchical Contrastive Learning for Semi-Supervised Generalization Fault Diagnosis
von: Ren, Junyu, et al.
Veröffentlicht: (2026)

Understanding the Dynamics of Demonstration Conflict in In-Context Learning
von: Jiao, Difan, et al.
Veröffentlicht: (2026)

Towards a Problem-Oriented Domain Adaptation Framework for Machine Learning
von: Spitzer, Philipp, et al.
Veröffentlicht: (2025)

Understanding Domain-Size Generalization in Markov Logic Networks
von: Chen, Florian, et al.
Veröffentlicht: (2024)

eMargin: Revisiting Contrastive Learning with Margin-Based Separation
von: Shamba, Abdul-Kazeem, et al.
Veröffentlicht: (2025)

Understanding Prompt Tuning and In-Context Learning via Meta-Learning
von: Genewein, Tim, et al.
Veröffentlicht: (2025)

Understanding and Mitigating Tokenization Bias in Language Models
von: Phan, Buu, et al.
Veröffentlicht: (2024)

Generative Diffusion Prior Distillation for Long-Context Knowledge Transfer
von: Udayangani, Nilushika, et al.
Veröffentlicht: (2026)

Unlocking the Potential of Generative AI through Neuro-Symbolic Architectures: Benefits and Limitations
von: Bougzime, Oualid, et al.
Veröffentlicht: (2025)

Towards Symbolic XAI -- Explanation Through Human Understandable Logical Relationships Between Features
von: Schnake, Thomas, et al.
Veröffentlicht: (2024)

Theoretical Benefit and Limitation of Diffusion Language Model
von: Feng, Guhao, et al.
Veröffentlicht: (2025)

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

Stable Single-Pixel Contrastive Learning for Semantic and Geometric Tasks
von: Pogorelyuk, Leonid, et al.
Veröffentlicht: (2025)

Towards Monotonic Improvement in In-Context Reinforcement Learning
von: Zhang, Wenhao, et al.
Veröffentlicht: (2025)