Buchumschlag

Evaluating the Stability of Deep Learning Latent Feature Spaces

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Mabadeje, Ademide O., Pyrcz, Michael J.
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

Rigid Transformations for Stabilized Lower Dimensional Space to Support Subsurface Uncertainty Quantification and Interpretation
von: Mabadeje, Ademide O., et al.
Veröffentlicht: (2023)

Machine Learning-Based Completions Sequencing for Well Performance Optimization
von: Liu, Anjie, et al.
Veröffentlicht: (2024)

Latent Matters: Learning Deep State-Space Models
von: Klushyn, Alexej, et al.
Veröffentlicht: (2026)

SALSA-RL: Stability Analysis in the Latent Space of Actions for Reinforcement Learning
von: Li, Xuyang, et al.
Veröffentlicht: (2025)

A Deep Latent Space Model for Graph Representation Learning
von: Yang, Hanxuan, et al.
Veröffentlicht: (2021)

Learning Interpretable Features in Audio Latent Spaces via Sparse Autoencoders
von: Paek, Nathan, et al.
Veröffentlicht: (2025)

Stabilizing Self-Consuming Diffusion Models with Latent Space Filtering
von: Cai, Zhongteng, et al.
Veröffentlicht: (2025)

Synergistic Feature Fusion for Latent Lyrical Classification: A Gated Deep Learning Architecture
von: Gameiro, M. A.
Veröffentlicht: (2025)

Reconsidering Feature Structure Information and Latent Space Alignment in Partial Multi-label Feature Selection
von: Pan, Hanlin, et al.
Veröffentlicht: (2025)

Grammarization-Based Grasping with Deep Multi-Autoencoder Latent Space Exploration by Reinforcement Learning Agent
von: Askianakis, Leonidas
Veröffentlicht: (2024)

Random Latent Exploration for Deep Reinforcement Learning
von: Mahankali, Srinath, et al.
Veröffentlicht: (2024)

Nonlinear Multiple Response Regression and Learning of Latent Spaces
von: Tian, Ye, et al.
Veröffentlicht: (2025)

RECOVAR: Representation Covariances on Deep Latent Spaces for Seismic Event Detection
von: Efe, Onur, et al.
Veröffentlicht: (2024)

Neural Feature Learning in Function Space
von: Xu, Xiangxiang, et al.
Veröffentlicht: (2023)

Metric Space Magnitude for Evaluating the Diversity of Latent Representations
von: Limbeck, Katharina, et al.
Veröffentlicht: (2023)

Discovering Behavioral Modes in Deep Reinforcement Learning Policies Using Trajectory Clustering in Latent Space
von: Remman, Sindre Benjamin, et al.
Veröffentlicht: (2024)

Towards Explaining Deep Neural Network Compression Through a Probabilistic Latent Space
von: Mozafari-Nia, Mahsa, et al.
Veröffentlicht: (2024)

Disentangled Latent Spaces Facilitate Data-Driven Auxiliary Learning
von: Skenderi, Geri, et al.
Veröffentlicht: (2023)

Dynamic Latent Separation for Deep Learning
von: Tuan, Yi-Lin, et al.
Veröffentlicht: (2022)

The Hidden Influence of Latent Feature Magnitude When Learning with Imbalanced Data
von: Dablain, Damien A., et al.
Veröffentlicht: (2024)

Iterative Feature Space Optimization through Incremental Adaptive Evaluation
von: Wu, Yanping, et al.
Veröffentlicht: (2025)

Feature Space Renormalization for Semi-supervised Learning
von: Sun, Jun, et al.
Veröffentlicht: (2023)

Latent SDEs on Homogeneous Spaces
von: Zeng, Sebastian, et al.
Veröffentlicht: (2023)

Latent Space Symmetry Discovery
von: Yang, Jianke, et al.
Veröffentlicht: (2023)

Toward Learning Latent-Variable Representations of Microstructures by Optimizing in Spatial Statistics Space
von: Hashemi, Sayed Sajad, et al.
Veröffentlicht: (2024)

Plastic Learning with Deep Fourier Features
von: Lewandowski, Alex, et al.
Veröffentlicht: (2024)

On the Stability of Neural Networks in Deep Learning
von: Delattre, Blaise
Veröffentlicht: (2025)

Deep Active Learning with Noise Stability
von: Li, Xingjian, et al.
Veröffentlicht: (2022)

Smooth Like Butter: Evaluating Multi-Lattice Transitions in Property-Augmented Latent Spaces
von: Baldwin, Martha, et al.
Veröffentlicht: (2024)

A Unified Latent Space Disentanglement VAE Framework with Robust Disentanglement Effectiveness Evaluation
von: Lang, Xiaoan, et al.
Veröffentlicht: (2026)

Unifying Image Counterfactuals and Feature Attributions with Latent-Space Adversarial Attacks
von: Goldwasser, Jeremy, et al.
Veröffentlicht: (2025)

Semi-Supervised Generative Learning via Latent Space Distribution Matching
von: Chong, Kwong Yu, et al.
Veröffentlicht: (2026)

Learning Abstract World Models with a Group-Structured Latent Space
von: Delliaux, Thomas, et al.
Veröffentlicht: (2025)

Learning to Stabilize Online Reinforcement Learning in Unbounded State Spaces
von: Pavse, Brahma S., et al.
Veröffentlicht: (2023)

Feature Learning Beyond the Edge of Stability
von: Terjék, Dávid
Veröffentlicht: (2025)

Deep Latent Force Models: ODE-based Process Convolutions for Bayesian Deep Learning
von: Baldwin-McDonald, Thomas, et al.
Veröffentlicht: (2023)

Deep Reinforcement Learning Behavioral Mode Switching Using Optimal Control Based on a Latent Space Objective
von: Remman, Sindre Benjamin, et al.
Veröffentlicht: (2024)

Steering Your Diffusion Policy with Latent Space Reinforcement Learning
von: Wagenmaker, Andrew, et al.
Veröffentlicht: (2025)

Latent Plan Transformer for Trajectory Abstraction: Planning as Latent Space Inference
von: Kong, Deqian, et al.
Veröffentlicht: (2024)

Latent Space Bayesian Optimization with Latent Data Augmentation for Enhanced Exploration
von: Boyar, Onur, et al.
Veröffentlicht: (2023)