:: Library Catalog

Copertina

Salvato in:

Dettagli Bibliografici
Autori principali:	Foong, Tham Yik, Zhang, Heng, Yuan, Mao Po, Vargas, Danilo Vasconcellos
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	Machine Learning
Accesso online:	https://arxiv.org/abs/2404.05168
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Breaking Free: How to Hack Safety Guardrails in Black-Box Diffusion Models!
di: Kotyan, Shashank, et al.
Pubblicazione: (2024)

SyncMapV2: Robust and Adaptive Unsupervised Segmentation
di: Zhang, Heng, et al.
Pubblicazione: (2025)

Beyond KV Caching: Shared Attention for Efficient LLMs
di: Liao, Bingli, et al.
Pubblicazione: (2024)

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

Adapting to Continuous Covariate Shift via Online Density Ratio Estimation
di: Zhang, Yu-Jie, et al.
Pubblicazione: (2023)

Adapting Prediction Sets to Distribution Shifts Without Labels
di: Kasa, Kevin, et al.
Pubblicazione: (2024)

k* Distribution: Evaluating the Latent Space of Deep Neural Networks using Local Neighborhood Analysis
di: Kotyan, Shashank, et al.
Pubblicazione: (2023)

Linking Robustness and Generalization: A k* Distribution Analysis of Concept Clustering in Latent Space for Vision Models
di: Kotyan, Shashank, et al.
Pubblicazione: (2024)

Minimum-Norm Interpolation Under Covariate Shift
di: Mallinar, Neil, et al.
Pubblicazione: (2024)

Conformal Predictive Systems Under Covariate Shift
di: Jonkers, Jef, et al.
Pubblicazione: (2024)

Nearest Neighbor Sampling for Covariate Shift Adaptation
di: Portier, François, et al.
Pubblicazione: (2023)

Optimal Policy Adaptation under Covariate Shift
di: Liu, Xueqing, et al.
Pubblicazione: (2025)

Adapting to Shifting Correlations with Unlabeled Data Calibration
di: Nguyen, Minh, et al.
Pubblicazione: (2024)

Addressing Concept Shift in Online Time Series Forecasting: Detect-then-Adapt
di: Zhang, YiFan, et al.
Pubblicazione: (2024)

Optimal Algorithms in Linear Regression under Covariate Shift: On the Importance of Precondition
di: Liu, Yuanshi, et al.
Pubblicazione: (2025)

Efficient and Provable Algorithms for Covariate Shift
di: Adil, Deeksha, et al.
Pubblicazione: (2025)

Training-Conditional Coverage Bounds under Covariate Shift
di: Pournaderi, Mehrdad, et al.
Pubblicazione: (2024)

Distributionally Robust Coreset Selection under Covariate Shift
di: Tanaka, Tomonari, et al.
Pubblicazione: (2025)

Transfer Learning for Meta-analysis Under Covariate Shift
di: Wang, Zilong, et al.
Pubblicazione: (2026)

Minimax Optimal Two-Stage Algorithm For Moment Estimation Under Covariate Shift
di: Zhang, Zhen, et al.
Pubblicazione: (2025)

Latent Covariate Shift: Unlocking Partial Identifiability for Multi-Source Domain Adaptation
di: Liu, Yuhang, et al.
Pubblicazione: (2022)

A Semi-supervised CART Model for Covariate Shift
di: Cai, Mingyang, et al.
Pubblicazione: (2024)

Distributionally Robust Safe Sample Elimination under Covariate Shift
di: Hanada, Hiroyuki, et al.
Pubblicazione: (2024)

Computational Efficiency under Covariate Shift in Kernel Ridge Regression
di: Della Vecchia, Andrea, et al.
Pubblicazione: (2025)

General and Estimable Learning Bound Unifying Covariate and Concept Shifts
di: Chen, Hongbo, et al.
Pubblicazione: (2025)

Distribution Matching for Graph Quantification Under Structural Covariate Shift
di: Damke, Clemens, et al.
Pubblicazione: (2025)

Causal Covariate Shift Correction using Fisher information penalty
di: Khan, Behraj, et al.
Pubblicazione: (2025)

Spectral Algorithms in Misspecified Regression: Convergence under Covariate Shift
di: Liu, Ren-Rui, et al.
Pubblicazione: (2025)

Safe Distributionally Robust Feature Selection under Covariate Shift
di: Hanada, Hiroyuki, et al.
Pubblicazione: (2026)

Conformalized Signal Temporal Logic Inference under Covariate Shift
di: Wang, Yixuan, et al.
Pubblicazione: (2026)

Adapting to Online Distribution Shifts in Deep Learning: A Black-Box Approach
di: Baby, Dheeraj, et al.
Pubblicazione: (2025)

Tolerant Algorithms for Learning with Arbitrary Covariate Shift
di: Goel, Surbhi, et al.
Pubblicazione: (2024)

GCAL: Adapting Graph Models to Evolving Domain Shifts
di: Qiao, Ziyue, et al.
Pubblicazione: (2025)

Rethinking Test-time Likelihood: The Likelihood Path Principle and Its Application to OOD Detection
di: Huang, Sicong, et al.
Pubblicazione: (2024)

Harnessing the Power of Vicinity-Informed Analysis for Classification under Covariate Shift
di: Fujikawa, Mitsuhiro, et al.
Pubblicazione: (2024)

Unbounded Density Ratio Estimation and Its Application to Covariate Shift Adaptation
di: Liu, Ren-Rui, et al.
Pubblicazione: (2026)

Expectation Consistency Loss: Rethink Confidence Calibration under Covariate Shift
di: Dong, Jinzong, et al.
Pubblicazione: (2026)

Weight Clipping for Robust Conformal Inference under Unbounded Covariate Shifts
di: Wang, James, et al.
Pubblicazione: (2026)

Real-time Diverse Motion In-betweening with Space-time Control
di: Chu, Yuchen, et al.
Pubblicazione: (2024)

Mitigating Covariate Shift in Misspecified Regression with Applications to Reinforcement Learning
di: Amortila, Philip, et al.
Pubblicazione: (2024)