Buchumschlag

Neural Active Learning Meets the Partial Monitoring Framework

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Heuillet, Maxime, Ahmad, Ola, Durand, Audrey
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

Randomized Confidence Bounds for Stochastic Partial Monitoring
von: Heuillet, Maxime, et al.
Veröffentlicht: (2024)

Nested-ReFT: Efficient Reinforcement Learning for Large Language Model Fine-Tuning via Off-Policy Rollouts
von: Heuillet, Maxime, et al.
Veröffentlicht: (2025)

A Guide to Robust Generalization: The Impact of Architecture, Pre-training, and Optimization Strategy
von: Heuillet, Maxime, et al.
Veröffentlicht: (2025)

Robust Fine-Tuning from Non-Robust Pretrained Models: Mitigating Suboptimal Transfer With Epsilon-Scheduling
von: Ngnawé, Jonas, et al.
Veröffentlicht: (2025)

LLM-as-a-Judge: Toward World Models for Slate Recommendation Systems
von: Bonin, Baptiste, et al.
Veröffentlicht: (2025)

Signal from Structure: Exploiting Submodular Upper Bounds in Generative Flow Networks
von: Larouche, Alexandre, et al.
Veröffentlicht: (2026)

On the Fundamental Limitations of Dual Static CVaR Decompositions in Markov Decision Processes
von: Godbout, Mathieu, et al.
Veröffentlicht: (2025)

When Multi-Task Learning Meets Partial Supervision: A Computer Vision Review
von: Fontana, Maxime, et al.
Veröffentlicht: (2023)

Preference-based learning for news headline recommendation
von: Bouras, Alexandre, et al.
Veröffentlicht: (2025)

Diffeomorphic Latent Neural Operators for Data-Efficient Learning of Solutions to Partial Differential Equations
von: Ahmad, Zan, et al.
Veröffentlicht: (2024)

Stream-Based Active Learning for Process Monitoring
von: Capezza, Christian, et al.
Veröffentlicht: (2024)

C-SWAP: Explainability-Aware Structured Pruning for Efficient Neural Networks Compression
von: Bauvin, Baptiste, et al.
Veröffentlicht: (2025)

Active Learning For Repairable Hardware Systems With Partial Coverage
von: Potter, Michael, et al.
Veröffentlicht: (2025)

QuaRK: A Quantum Reservoir Kernel for Time Series Learning
von: Aaraba, Abdallah, et al.
Veröffentlicht: (2026)

AL-PINN: Active Learning-Driven Physics-Informed Neural Networks for Efficient Sample Selection in Solving Partial Differential Equations
von: Park, Keon Vin
Veröffentlicht: (2025)

Batch Bayesian Active Learning with Partial Batch Label Sampling
von: Hu, Kangping, et al.
Veröffentlicht: (2025)

Active Learning for WBAN-based Health Monitoring
von: Chiu, Cho-Chun, et al.
Veröffentlicht: (2024)

Deep Learning Meets Oversampling: A Learning Framework to Handle Imbalanced Classification
von: Kishanthan, Sukumar, et al.
Veröffentlicht: (2025)

Gaussian Process Regression for Active Sensing Probabilistic Structural Health Monitoring: Experimental Assessment Across Multiple Damage and Loading Scenarios
von: Amer, Ahmad, et al.
Veröffentlicht: (2021)

Chaos into Order: Neural Framework for Expected Value Estimation of Stochastic Partial Differential Equations
von: Pétursson, Ísak, et al.
Veröffentlicht: (2025)

OFAL: An Oracle-Free Active Learning Framework
von: Khorsand, Hadi, et al.
Veröffentlicht: (2025)

Utility-based Dueling Bandits as a Partial Monitoring Game
von: Gajane, Pratik, et al.
Veröffentlicht: (2015)

Instance-Dependent Regret Bounds for Nonstochastic Linear Partial Monitoring
von: Di Gennaro, Federico, et al.
Veröffentlicht: (2025)

Coupled Multiwavelet Neural Operator Learning for Coupled Partial Differential Equations
von: Xiao, Xiongye, et al.
Veröffentlicht: (2023)

Multi-Resolution Active Learning of Fourier Neural Operators
von: Li, Shibo, et al.
Veröffentlicht: (2023)

Survival Meets Classification: A Novel Framework for Early Risk Prediction Models of Chronic Diseases
von: Khan, Shaheer Ahmad, et al.
Veröffentlicht: (2026)

Neural Active Learning Beyond Bandits
von: Ban, Yikun, et al.
Veröffentlicht: (2024)

APRIL: Active Partial Rollouts in Reinforcement Learning to Tame Long-tail Generation
von: Zhou, Yuzhen, et al.
Veröffentlicht: (2025)

Learning Physics Informed Neural ODEs With Partial Measurements
von: Ghanem, Paul, et al.
Veröffentlicht: (2024)

On the Learnability of Knot Invariants: Representation, Predictability, and Neural Similarity
von: Lindsay, Audrey, et al.
Veröffentlicht: (2025)

Active Learning with Neural Networks: Insights from Nonparametric Statistics
von: Zhu, Yinglun, et al.
Veröffentlicht: (2022)

Active Continual Learning with Metaplastic Binary Bayesian Neural Networks
von: Cottart, Kellian, et al.
Veröffentlicht: (2026)

Neural Operators Meet Energy-based Theory: Operator Learning for Hamiltonian and Dissipative PDEs
von: Tanaka, Yusuke, et al.
Veröffentlicht: (2024)

Parametric Neural Amp Modeling with Active Learning
von: Grötschla, Florian, et al.
Veröffentlicht: (2025)

Control and optimization for Neural Partial Differential Equations in Supervised Learning
von: Bensoussan, Alain, et al.
Veröffentlicht: (2025)

Pseudo-MDPs: A Novel Framework for Efficiently Optimizing Last Revealer Seed Manipulations in Blockchains
von: Reynouard, Maxime
Veröffentlicht: (2025)

Exploration by Optimization with Hybrid Regularizers: Logarithmic Regret with Adversarial Robustness in Partial Monitoring
von: Tsuchiya, Taira, et al.
Veröffentlicht: (2024)

Apple Tasting Revisited: Bayesian Approaches to Partially Monitored Online Binary Classification
von: Grant, James A., et al.
Veröffentlicht: (2021)

Structured Partial Stochasticity in Bayesian Neural Networks
von: Rochussen, Tommy
Veröffentlicht: (2024)

Adaptive Experiments Under Data Sparse Settings: Applications for Educational Platforms
von: Song, Haochen, et al.
Veröffentlicht: (2025)