:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Naveen, Philip
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	https://arxiv.org/abs/2403.14685
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Scaling Law with Learning Rate Annealing
von: Tissue, Howe, et al.
Veröffentlicht: (2024)

ScheduleFree+: Scaling Learning-Rate-Free & Schedule-Free Learning to Large Language Models
von: Defazio, Aaron
Veröffentlicht: (2026)

Optimal Linear Decay Learning Rate Schedules and Further Refinements
von: Defazio, Aaron, et al.
Veröffentlicht: (2023)

Power Scheduler: A Batch Size and Token Number Agnostic Learning Rate Scheduler
von: Shen, Yikang, et al.
Veröffentlicht: (2024)

Heterogeneous Learning Rate Scheduling for Neural Architecture Search on Long-Tailed Datasets
von: Tang, Chenxia
Veröffentlicht: (2024)

Training Dynamics of the Cooldown Stage in Warmup-Stable-Decay Learning Rate Scheduler
von: Dremov, Aleksandr, et al.
Veröffentlicht: (2025)

Seesaw: Accelerating Training by Balancing Learning Rate and Batch Size Scheduling
von: Meterez, Alexandru, et al.
Veröffentlicht: (2025)

Anytime Pretraining: Horizon-Free Learning-Rate Schedules with Weight Averaging
von: Meterez, Alexandru, et al.
Veröffentlicht: (2026)

ContraLog: Log File Anomaly Detection with Contrastive Learning and Masked Language Modeling
von: Dietz, Simon, et al.
Veröffentlicht: (2026)

CyclicFL: A Cyclic Model Pre-Training Approach to Efficient Federated Learning
von: Zhang, Pengyu, et al.
Veröffentlicht: (2023)

Selecting Decision-Relevant Concepts in Reinforcement Learning
von: Raman, Naveen, et al.
Veröffentlicht: (2026)

A Multi-Power Law for Loss Curve Prediction Across Learning Rate Schedules
von: Luo, Kairong, et al.
Veröffentlicht: (2025)

Annealing Machine-assisted Learning of Graph Neural Network for Combinatorial Optimization
von: Loyola, Pablo, et al.
Veröffentlicht: (2025)

Machine Learning for Pattern Detection in Printhead Nozzle Logging
von: Prianikov, Nikola, et al.
Veröffentlicht: (2025)

Learning Cyclic Causal Models from Incomplete Data
von: Sethuraman, Muralikrishnna G., et al.
Veröffentlicht: (2024)

Annealing Optimization for Progressive Learning with Stochastic Approximation
von: Mavridis, Christos, et al.
Veröffentlicht: (2022)

Non-equilibrium Annealed Adjoint Sampler
von: Choi, Jaemoo, et al.
Veröffentlicht: (2025)

Learning From Scenarios for Stochastic Repairable Scheduling
von: Houten, Kim van den, et al.
Veröffentlicht: (2023)

Offline Reinforcement Learning for Learning to Dispatch for Job Shop Scheduling
von: van Remmerden, Jesse, et al.
Veröffentlicht: (2024)

Quantifying First-Order Markov Violations in Noisy Reinforcement Learning: A Causal Discovery Approach
von: Mysore, Naveen
Veröffentlicht: (2025)

Annealed Softmax Greedy in Many-Armed Bayesian Bandits
von: Overman, William, et al.
Veröffentlicht: (2026)

Annealing Self-Distillation Rectification Improves Adversarial Training
von: Wu, Yu-Yu, et al.
Veröffentlicht: (2023)

Learning to Solve Job Shop Scheduling under Uncertainty
von: Infantes, Guillaume, et al.
Veröffentlicht: (2024)

Measurement Scheduling for ICU Patients with Offline Reinforcement Learning
von: Ji, Zongliang, et al.
Veröffentlicht: (2024)

Task Scheduling & Forgetting in Multi-Task Reinforcement Learning
von: Speckmann, Marc, et al.
Veröffentlicht: (2025)

Variational Learning of Gaussian Process Latent Variable Models through Stochastic Gradient Annealed Importance Sampling
von: Xu, Jian, et al.
Veröffentlicht: (2024)

PearSAN: A Machine Learning Method for Inverse Design using Pearson Correlated Surrogate Annealing
von: Bezick, Michael, et al.
Veröffentlicht: (2024)

ReLA: Representation Learning and Aggregation for Job Scheduling with Reinforcement Learning
von: Kwan, Zhengyi, et al.
Veröffentlicht: (2026)

LogGuardQ: A Cognitive-Enhanced Reinforcement Learning Framework for Cybersecurity Anomaly Detection in Security Logs
von: de Sousa, Umberto Gonçalves
Veröffentlicht: (2025)

Intelligent Learning Rate Distribution to reduce Catastrophic Forgetting in Transformers
von: Kenneweg, Philip, et al.
Veröffentlicht: (2024)

Efficient Approximate Posterior Sampling with Annealed Langevin Monte Carlo
von: Parulekar, Advait, et al.
Veröffentlicht: (2025)

Policy Gradient with Adaptive Entropy Annealing for Continual Fine-Tuning
von: Zhang, Yaqian, et al.
Veröffentlicht: (2026)

Scaling and Transferability of Annealing Strategies in Large Language Model Training
von: Wang, Siqi, et al.
Veröffentlicht: (2025)

Finetune Once: Decoupling General & Domain Learning with Dynamic Boosted Annealing
von: Tang, Yang, et al.
Veröffentlicht: (2025)

Constrained Reinforcement Learning with Smoothed Log Barrier Function
von: Zhang, Baohe, et al.
Veröffentlicht: (2024)

Semi-supervised Batch Learning From Logged Data
von: Aminian, Gholamali, et al.
Veröffentlicht: (2022)

An Adaptive Simulated Annealing-Based Machine Learning Approach for Developing an E-Triage Tool for Hospital Emergency Operations
von: Ahmed, Abdulaziz, et al.
Veröffentlicht: (2022)

Towards Provable Log Density Policy Gradient
von: Katdare, Pulkit, et al.
Veröffentlicht: (2024)

Adaptive Memory Decay for Log-Linear Attention
von: Amin, Yaxita, et al.
Veröffentlicht: (2026)

Bounding Evidence and Estimating Log-Likelihood in VAE
von: Struski, Łukasz, et al.
Veröffentlicht: (2022)