Analysis of Linear Mode Connectivity via Permutation-Based Weight Matching: With Insights into Other Permutation Search Methods

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ito, Akira, Yamada, Masanori, Kumagai, Atsutoshi
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Do We Really Need Permutations? Impact of Model Width on Linear Mode Connectivity
von: Ito, Akira, et al.
Veröffentlicht: (2025)

Analyzing the Role of Permutation Invariance in Linear Mode Connectivity
von: Zhan, Keyao, et al.
Veröffentlicht: (2025)

Learning Unbiased Permutations via Flow Matching
von: Min, Yimeng, et al.
Veröffentlicht: (2026)

Meta-learning for Positive-unlabeled Classification
von: Kumagai, Atsutoshi, et al.
Veröffentlicht: (2024)

Monte Carlo Permutation Search
von: Cazenave, Tristan
Veröffentlicht: (2025)

Relative Density Ratio Optimization for Stable and Statistically Consistent Model Alignment
von: Takahashi, Hiroshi, et al.
Veröffentlicht: (2026)

Mechanistic Permutability: Match Features Across Layers
von: Balagansky, Nikita, et al.
Veröffentlicht: (2024)

Covariance-aware Feature Alignment with Pre-computed Source Statistics for Test-time Adaptation to Multiple Image Corruptions
von: Adachi, Kazuki, et al.
Veröffentlicht: (2022)

On the Expressive Power of Permutation-Equivariant Weight-Space Networks
von: Dayan, Adir, et al.
Veröffentlicht: (2026)

Connecting Permutation Equivariant Neural Networks and Partition Diagrams
von: Pearce-Crump, Edward
Veröffentlicht: (2022)

Permutation Decision Trees
von: B, Harikrishnan N, et al.
Veröffentlicht: (2023)

Structure As Search: Unsupervised Permutation Learning for Combinatorial Optimization
von: Min, Yimeng, et al.
Veröffentlicht: (2025)

Deep Positive-Unlabeled Anomaly Detection for Contaminated Unlabeled Data
von: Takahashi, Hiroshi, et al.
Veröffentlicht: (2024)

Finite-Sample Inference for Sparsely Permuted Linear Regression
von: Ota, Hirofumi, et al.
Veröffentlicht: (2026)

Meta-learning Representations for Learning from Multiple Annotators
von: Kumagai, Atsutoshi, et al.
Veröffentlicht: (2025)

Permutation Inference for Canonical Correlation Analysis
von: Winkler, Anderson M., et al.
Veröffentlicht: (2020)

Test-time Adaptation for Regression by Subspace Alignment
von: Adachi, Kazuki, et al.
Veröffentlicht: (2024)

Geometry of Linear Neural Networks: Equivariance and Invariance under Permutation Groups
von: Kohn, Kathlén, et al.
Veröffentlicht: (2023)

Permutation-Invariant Spectral Learning via Dyson Diffusion
von: Schwarz, Tassilo, et al.
Veröffentlicht: (2025)

PPFS: Predictive Permutation Feature Selection
von: Hassan, Atif, et al.
Veröffentlicht: (2021)

Fair Feature Importance Scores via Feature Occlusion and Permutation
von: Little, Camille, et al.
Veröffentlicht: (2026)

Tight Compression: Compressing CNN Through Fine-Grained Pruning and Weight Permutation for Efficient Implementation
von: Chen, Xizi, et al.
Veröffentlicht: (2021)

Learning Permutation Distributions via Reflected Diffusion on Ranks
von: He, Sizhuang, et al.
Veröffentlicht: (2026)

Differentially Private Permutation Tests: Applications to Kernel Methods
von: Kim, Ilmun, et al.
Veröffentlicht: (2023)

Neural Networks Trained by Weight Permutation are Universal Approximators
von: Cai, Yongqiang, et al.
Veröffentlicht: (2024)

Continuous Optimization for Feature Selection with Permutation-Invariant Embedding and Policy-Guided Search
von: Liu, Rui, et al.
Veröffentlicht: (2025)

Positive-Unlabeled Diffusion Models for Preventing Sensitive Data Generation
von: Takahashi, Hiroshi, et al.
Veröffentlicht: (2025)

Finite-Sample Identification of Linear Regression Models with Residual-Permuted Sums
von: Szentpéteri, Szabolcs, et al.
Veröffentlicht: (2024)

PLeaS -- Merging Models with Permutations and Least Squares
von: Nasery, Anshul, et al.
Veröffentlicht: (2024)

Restricted Block Permutation for Two-Sample Testing
von: Ho, Jungwoo
Veröffentlicht: (2025)

Permutation-Symmetrized Diffusion for Unconditional Molecular Generation
von: Ko, Gyeonghoon, et al.
Veröffentlicht: (2026)

Trustworthy Feature Importance Avoids Unrestricted Permutations
von: Borgonovo, Emanuele, et al.
Veröffentlicht: (2026)

Learning Permutation from Structure Without Supervision
von: Eisenberg, Ran, et al.
Veröffentlicht: (2026)

Toward Falsifying Causal Graphs Using a Permutation-Based Test
von: Eulig, Elias, et al.
Veröffentlicht: (2023)

Landscaping Linear Mode Connectivity
von: Singh, Sidak Pal, et al.
Veröffentlicht: (2024)

Sparse-Autoencoder-Guided Internal Representation Unlearning for Large Language Models
von: Yamashita, Tomoya, et al.
Veröffentlicht: (2025)

AI Methods for Permutation Circuit Synthesis Across Generic Topologies
von: Villar, Victor, et al.
Veröffentlicht: (2025)

Learning Permutation-invariant Macroscopic Dynamics
von: Han, Zhichao, et al.
Veröffentlicht: (2026)

PEARL: Towards Permutation-Resilient LLMs
von: Chen, Liang, et al.
Veröffentlicht: (2025)

A Unified Analysis of Stochastic Gradient Descent with Arbitrary Data Permutations and Beyond
von: Li, Yipeng, et al.
Veröffentlicht: (2025)