Pushing Boundaries: Mixup's Influence on Neural Collapse

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Fisher, Quinn, Meng, Haoming, Papyan, Vardan
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

Linguistic Collapse: Neural Collapse in (Large) Language Models
von: Wu, Robert, et al.
Veröffentlicht: (2024)

Transformer Block Coupling and its Correlation with Generalization in LLMs
von: Aubry, Murdock, et al.
Veröffentlicht: (2024)

Residual Alignment: Uncovering the Mechanisms of Residual Networks
von: Li, Jianing, et al.
Veröffentlicht: (2024)

On the Importance of Gaussianizing Representations
von: Eftekhari, Daniel, et al.
Veröffentlicht: (2025)

Laplacian Heads Improve Transformers by Smoothing Token Representations
von: Zhang, Yuchong, et al.
Veröffentlicht: (2026)

OATS: Outlier-Aware Pruning Through Sparse and Low Rank Decomposition
von: Zhang, Stephen, et al.
Veröffentlicht: (2024)

Sparsest Models Elude Pruning: An Exposé of Pruning's Current Capabilities
von: Zhang, Stephen, et al.
Veröffentlicht: (2024)

Attention Sinks: A 'Catch, Tag, Release' Mechanism for Embeddings
von: Zhang, Stephen, et al.
Veröffentlicht: (2025)

Out of the Ordinary: Spectrally Adapting Regression for Covariate Shift
von: Eyre, Benjamin, et al.
Veröffentlicht: (2023)

SAMix: Calibrated and Accurate Continual Learning via Sphere-Adaptive Mixup and Neural Collapse
von: Dang, Trung-Anh, et al.
Veröffentlicht: (2025)

On Mixup Regularization
von: Carratino, Luigi, et al.
Veröffentlicht: (2020)

Toward Reasoning on the Boundary: A Mixup-based Approach for Graph Anomaly Detection
von: Kim, Hwan, et al.
Veröffentlicht: (2024)

Multiplicative Logit Adjustment Approximates Neural-Collapse-Aware Decision Boundary Adjustment
von: Hasegawa, Naoya, et al.
Veröffentlicht: (2024)

Adversarial Mixup Unlearning
von: Peng, Zhuoyi, et al.
Veröffentlicht: (2025)

On the Robustness of Neural Collapse and the Neural Collapse of Robustness
von: Su, Jingtong, et al.
Veröffentlicht: (2023)

Pushing the Boundaries of Interpretability: Incremental Enhancements to the Explainable Boosting Machine
von: Liyanage, Isara, et al.
Veröffentlicht: (2025)

Linearly Convergent Mixup Learning
von: Obi, Gakuto, et al.
Veröffentlicht: (2025)

FR-NAS: Forward-and-Reverse Graph Predictor for Efficient Neural Architecture Search
von: Zhang, Haoming, et al.
Veröffentlicht: (2024)

Augment on Manifold: Mixup Regularization with UMAP
von: El-Laham, Yousef, et al.
Veröffentlicht: (2023)

Mixup Regularization: A Probabilistic Perspective
von: El-Laham, Yousef, et al.
Veröffentlicht: (2025)

Pushing the Boundaries of Natural Reasoning: Interleaved Bonus from Formal-Logic Verification
von: Cao, Chuxue, et al.
Veröffentlicht: (2026)

Tailoring Mixup to Data for Calibration
von: Bouniot, Quentin, et al.
Veröffentlicht: (2023)

On the Equivalence of Graph Convolution and Mixup
von: Han, Xiaotian, et al.
Veröffentlicht: (2023)

Pushing Toward the Simplex Vertices: A Simple Remedy for Code Collapse in Smoothed Vector Quantization
von: Morita, Takashi
Veröffentlicht: (2025)

Pushing the Boundaries of State Space Models for Image and Video Generation
von: Hong, Yicong, et al.
Veröffentlicht: (2025)

Mixup Augmentation with Multiple Interpolations
von: Shen, Lifeng, et al.
Veröffentlicht: (2024)

Neural Collapse versus Low-rank Bias: Is Deep Neural Collapse Really Optimal?
von: Súkeník, Peter, et al.
Veröffentlicht: (2024)

Region Mixup
von: Saha, Saptarshi, et al.
Veröffentlicht: (2024)

Rethinking Continual Learning with Progressive Neural Collapse
von: Wang, Zheng, et al.
Veröffentlicht: (2025)

Optimizer choice matters for the emergence of Neural Collapse
von: Zhao, Jim, et al.
Veröffentlicht: (2026)

Trojan Cleansing with Neural Collapse
von: Gu, Xihe, et al.
Veröffentlicht: (2024)

The Prevalence of Neural Collapse in Neural Multivariate Regression
von: Andriopoulos, George, et al.
Veröffentlicht: (2024)

Single Domain Generalization with Model-aware Parametric Batch-wise Mixup
von: Heidari, Marzi, et al.
Veröffentlicht: (2025)

CAARMA: Class Augmentation with Adversarial Mixup Regularization
von: Baali, Massa, et al.
Veröffentlicht: (2025)

Asymptotic Midpoint Mixup for Margin Balancing and Moderate Broadening
von: Kim, Hoyong, et al.
Veröffentlicht: (2024)

FIPO: Eliciting Deep Reasoning with Future-KL Influenced Policy Optimization
von: Ma, Chiyu, et al.
Veröffentlicht: (2026)

The Persistence of Neural Collapse Despite Low-Rank Bias
von: Garrod, Connall, et al.
Veröffentlicht: (2024)

The Impact of Geometric Complexity on Neural Collapse in Transfer Learning
von: Munn, Michael, et al.
Veröffentlicht: (2024)

Neural Motion Simulator: Pushing the Limit of World Models in Reinforcement Learning
von: Hao, Chenjie, et al.
Veröffentlicht: (2025)

Learning Gradient-based Mixup with Extrapolation toward Flatter Minima for Domain Generalization
von: Peng, Danni, et al.
Veröffentlicht: (2022)