Copertina

AnyLoss: Transforming Classification Metrics into Loss Functions

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Han, Doheon, Moniz, Nuno, Chawla, Nitesh V
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Intersectional Divergence: Measuring Fairness in Regression
di: Germino, Joe, et al.
Pubblicazione: (2025)

Conformalized Selective Regression
di: Sokol, Anna, et al.
Pubblicazione: (2024)

Fast Explanations via Policy Gradient-Optimized Explainer
di: Pan, Deng, et al.
Pubblicazione: (2024)

Differentially-Private Data Synthetisation for Efficient Re-Identification Risk Control
di: Carvalho, Tânia, et al.
Pubblicazione: (2022)

Spectral Manifold Harmonization for Graph Imbalanced Regression
di: Nogueira, Brenda, et al.
Pubblicazione: (2025)

Genotype-Conditioned Molecular Generation via Evidence-Grounded Multi-Objective Latent Perturbation in Diffusion Models
di: Nogueira, Brenda, et al.
Pubblicazione: (2026)

SPECTRA: Spectral Domain-Aware Graph Generation for Imbalanced Molecular Property Regression
di: Nogueira, Brenda, et al.
Pubblicazione: (2025)

Are we making much progress? Revisiting chemical reaction yield prediction from an imbalanced regression perspective
di: Ma, Yihong, et al.
Pubblicazione: (2024)

How to Boost Any Loss Function
di: Nock, Richard, et al.
Pubblicazione: (2024)

Deterministic Dynamics of Sampling Processes in Score-Based Diffusion Models with Multiplicative Noise Conditioning
di: Kim, Doheon
Pubblicazione: (2026)

Class-Aware Contrastive Optimization for Imbalanced Text Classification
di: Khvatskii, Grigorii, et al.
Pubblicazione: (2024)

Relevance-aware Algorithmic Recourse
di: Kim, Dongwhi, et al.
Pubblicazione: (2024)

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

Any-stepsize Gradient Descent for Separable Data under Fenchel-Young Losses
di: Bao, Han, et al.
Pubblicazione: (2025)

Panprediction: Optimal Predictions for Any Downstream Task and Loss
di: Balakrishnan, Sivaraman, et al.
Pubblicazione: (2025)

You do not have to train Graph Neural Networks at all on text-attributed graphs
di: Dong, Kaiwen, et al.
Pubblicazione: (2024)

Improved Balanced Classification with Theoretically Grounded Loss Functions
di: Cortes, Corinna, et al.
Pubblicazione: (2025)

Decision Tree Based Wrappers for Hearing Loss
di: Rabuge, Miguel, et al.
Pubblicazione: (2025)

Capability-Oriented Training Induced Alignment Risk
di: Zhou, Yujun, et al.
Pubblicazione: (2026)

Loss Functions and Metrics in Deep Learning
di: Terven, Juan, et al.
Pubblicazione: (2023)

Do LLMs have core beliefs?
di: Sokol, Anna, et al.
Pubblicazione: (2026)

Online Structured Prediction with Fenchel--Young Losses and Improved Surrogate Regret for Online Multiclass Classification with Logistic Loss
di: Sakaue, Shinsaku, et al.
Pubblicazione: (2024)

Geometry of Knowledge Allows Extending Diversity Boundaries of Large Language Models
di: Bystroński, Mateusz, et al.
Pubblicazione: (2025)

Learning Majority-to-Minority Transformations with MMD and Triplet Loss for Imbalanced Classification
di: Cha, Suman, et al.
Pubblicazione: (2025)

Deep Metric Loss for Multimodal Learning
di: Moon, Sehwan, et al.
Pubblicazione: (2023)

CORE: Data Augmentation for Link Prediction via Information Bottleneck
di: Dong, Kaiwen, et al.
Pubblicazione: (2024)

EnsLoss: Stochastic Calibrated Loss Ensembles for Preventing Overfitting in Classification
di: Dai, Ben
Pubblicazione: (2024)

Universal Link Predictor By In-Context Learning on Graphs
di: Dong, Kaiwen, et al.
Pubblicazione: (2024)

A Note on Knowledge Distillation Loss Function for Object Classification
di: Chen, Defang
Pubblicazione: (2021)

Uncertainty Estimation for Path Loss and Radio Metric Models
di: Bose, Alexis, et al.
Pubblicazione: (2025)

Towards Robust Few-Shot Text Classification Using Transformer Architectures and Dual Loss Strategies
di: Han, Xu, et al.
Pubblicazione: (2025)

Automated Privacy-Preserving Techniques via Meta-Learning
di: Carvalho, Tânia, et al.
Pubblicazione: (2024)

Alternative Loss Function in Evaluation of Transformer Models
di: Michańków, Jakub, et al.
Pubblicazione: (2025)

Pure Message Passing Can Estimate Common Neighbor for Link Prediction
di: Dong, Kaiwen, et al.
Pubblicazione: (2023)

Next Generation Loss Function for Image Classification
di: Akhmedova, Shakhnaz, et al.
Pubblicazione: (2024)

Lower Bounds on Adversarial Robustness for Multiclass Classification with General Loss Functions
di: Trillos, Camilo Andrés García, et al.
Pubblicazione: (2025)

Loss Regularizing Robotic Terrain Classification
di: Kumar, Shakti Deo, et al.
Pubblicazione: (2024)

TILDE-Q: A Transformation Invariant Loss Function for Time-Series Forecasting
di: Lee, Hyunwook, et al.
Pubblicazione: (2022)

Linear-Core Surrogates: Smooth Loss Functions with Linear Rates for Classification and Structured Prediction
di: Mohri, Mehryar, et al.
Pubblicazione: (2026)

Classification with Deep Neural Networks and Logistic Loss
di: Zhang, Zihan, et al.
Pubblicazione: (2023)