Buchumschlag

On the Necessity of Metalearning: Learning Suitable Parameterizations for Learning Processes

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Hamidi, Massinissa, Osmani, Aomar
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

General Machine Learning: Theory for Learning Under Variable Regimes
von: Osmani, Aomar
Veröffentlicht: (2026)

SMGI: A Structural Theory of General Artificial Intelligence
von: Osmani, Aomar
Veröffentlicht: (2026)

Self-supervised learning on gene expression data
von: Dradjat, Kevin, et al.
Veröffentlicht: (2025)

From Ontology Conformance to Admissible Reconfiguration: A RoSO/SMGI Adequacy Argument for Robotic Service Governance
von: Osmani, Aomar
Veröffentlicht: (2026)

Dynamic Design of Machine Learning Pipelines via Metalearning
von: Alcobaça, Edesio, et al.
Veröffentlicht: (2025)

Seeking the Sufficiency and Necessity Causal Features in Multimodal Representation Learning
von: Chen, Boyu, et al.
Veröffentlicht: (2024)

AdaFed: Fair Federated Learning via Adaptive Common Descent Direction
von: Hamidi, Shayan Mohajer, et al.
Veröffentlicht: (2024)

A Causal Analysis of CO2 Reduction Strategies in Electricity Markets Through Machine Learning-Driven Metalearners
von: Naeini, Iman Emtiazi, et al.
Veröffentlicht: (2024)

Data-Driven Policy Mapping for Safe RL-based Energy Management Systems
von: Zangato, Theo, et al.
Veröffentlicht: (2025)

Meta-RL with Shared Representations Enables Fast Adaptation in Energy Systems
von: Zangato, Théo, et al.
Veröffentlicht: (2026)

Learning Parameterized Skills from Demonstrations
von: Gupta, Vedant, et al.
Veröffentlicht: (2025)

Over-the-Air Fair Federated Learning via Multi-Objective Optimization
von: Hamidi, Shayan Mohajer, et al.
Veröffentlicht: (2025)

Context-Sensitive Abstractions for Reinforcement Learning with Parameterized Actions
von: Nayyar, Rashmeet Kaur, et al.
Veröffentlicht: (2025)

Model-based Reinforcement Learning for Parameterized Action Spaces
von: Zhang, Renhao, et al.
Veröffentlicht: (2024)

Sample-Efficient Constrained Reinforcement Learning with General Parameterization
von: Mondal, Washim Uddin, et al.
Veröffentlicht: (2024)

Adversarial Training via Adaptive Knowledge Amalgamation of an Ensemble of Teachers
von: Hamidi, Shayan Mohajer, et al.
Veröffentlicht: (2024)

An Overview and Discussion of the Suitability of Existing Speech Datasets to Train Machine Learning Models for Collective Problem Solving
von: Villuri, Gnaneswar, et al.
Veröffentlicht: (2024)

On the Necessity of Output Distribution Reweighting for Effective Class Unlearning
von: Ebrahimpour-Boroojeny, Ali, et al.
Veröffentlicht: (2025)

Adversarial Domain Adaptation Enables Knowledge Transfer Across Heterogeneous RNA-Seq Datasets
von: Dradjat, Kevin, et al.
Veröffentlicht: (2026)

Metalearning Continual Learning Algorithms
von: Irie, Kazuki, et al.
Veröffentlicht: (2023)

Is Retraining-Free Enough? The Necessity of Router Calibration for Efficient MoE Compression
von: Hyeon, Sieun, et al.
Veröffentlicht: (2026)

Comparative Analysis of Parameterized Action Actor-Critic Reinforcement Learning Algorithms for Web Search Match Plan Generation
von: Bapoo, Ubayd, et al.
Veröffentlicht: (2025)

Coupled Data and Measurement Space Dynamics for Enhanced Diffusion Posterior Sampling
von: Hamidi, Shayan Mohajer, et al.
Veröffentlicht: (2025)

Parameterized Projected Bellman Operator
von: Vincent, Théo, et al.
Veröffentlicht: (2023)

Unifying Invariant and Variant Features for Graph Out-of-Distribution via Probability of Necessity and Sufficiency
von: Chen, Xuexin, et al.
Veröffentlicht: (2024)

Meta-Decomposition: Dynamic Segmentation Approach Selection in IoT-based Activity Recognition
von: Modaresi, Seyed M. R., et al.
Veröffentlicht: (2024)

Diffusion Controller: Framework, Algorithms and Parameterization
von: Yang, Tong, et al.
Veröffentlicht: (2026)

Learning General Parameterized Policies for Infinite Horizon Average Reward Constrained MDPs via Primal-Dual Policy Gradient Algorithm
von: Bai, Qinbo, et al.
Veröffentlicht: (2024)

Personalized Alignment Revisited: The Necessity and Sufficiency of User Diversity
von: Kang, Enoch Hyunwook
Veröffentlicht: (2026)

From Noise to Control: Parameterized Diffusion Policies
von: Zhang, Renhao, et al.
Veröffentlicht: (2026)

Improved Sample Complexity Analysis of Natural Policy Gradient Algorithm with General Parameterization for Infinite Horizon Discounted Reward Markov Decision Processes
von: Mondal, Washim Uddin, et al.
Veröffentlicht: (2023)

Deep Reinforcement Learning in Parameterized Action Space
von: Hausknecht, Matthew, et al.
Veröffentlicht: (2015)

Autoencoding Conditional Neural Processes for Representation Learning
von: Prokhorov, Victor, et al.
Veröffentlicht: (2023)

Automated Knowledge Graph Learning in Industrial Processes
von: Ammann, Lolitta, et al.
Veröffentlicht: (2024)

Strategic Over-Parameterization for Generalizable Low-Rank Adaptation
von: Gao, Jing, et al.
Veröffentlicht: (2026)

Generalizing Knowledge Graph Embedding with Universal Orthogonal Parameterization
von: Li, Rui, et al.
Veröffentlicht: (2024)

GinAR: An End-To-End Multivariate Time Series Forecasting Model Suitable for Variable Missing
von: Yu, Chengqing, et al.
Veröffentlicht: (2024)

Catalytic Role Of Noise And Necessity Of Inductive Biases In The Emergence Of Compositional Communication
von: Kuciński, Łukasz, et al.
Veröffentlicht: (2021)

Neural Point Process for Learning Spatiotemporal Event Dynamics
von: Zhou, Zihao, et al.
Veröffentlicht: (2021)

Last-Iterate Convergence of General Parameterized Policies in Constrained MDPs
von: Mondal, Washim Uddin, et al.
Veröffentlicht: (2024)