Copertina

Classifying Overlapping Gaussian Mixtures in High Dimensions: From Optimal Classifiers to Neural Nets

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Cohen, Khen, Levi, Noam, Oz, Yaron
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	Machine Learning Artificial Intelligence
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

The Underlying Scaling Laws and Universal Statistical Structure of Complex Datasets
di: Levi, Noam, et al.
Pubblicazione: (2023)

Lecture Notes on Linear Neural Networks: A Tale of Optimization and Generalization in Deep Learning
di: Cohen, Nadav, et al.
Pubblicazione: (2024)

Demystifying the Optimal Fair Classifier in Multi-Class Classification
di: Zhang, Li, et al.
Pubblicazione: (2026)

Efficient Controllable Diffusion via Optimal Classifier Guidance
di: Oertell, Owen, et al.
Pubblicazione: (2025)

Implicit Binarization via Complex Phase Dynamics in Combinatorial Optimization
di: Cohen, Khen, et al.
Pubblicazione: (2026)

A Simple Model of Inference Scaling Laws
di: Levi, Noam
Pubblicazione: (2024)

Classifier-Free Guidance: From High-Dimensional Analysis to Generalized Guidance Forms
di: Pavasovic, Krunoslav Lehman, et al.
Pubblicazione: (2025)

Generalized Type II Fusion of Cluster States
di: Rimock, Noam, et al.
Pubblicazione: (2024)

Gradient-Optimized Fuzzy Classifier: A Benchmark Study Against State-of-the-Art Models
di: Sieverding, Magnus, et al.
Pubblicazione: (2025)

Closed-Form Interpretation of Neural Network Classifiers with Symbolic Gradients
di: Wetzel, Sebastian Johann
Pubblicazione: (2024)

ASDFormer: A Transformer with Mixtures of Pooling-Classifier Experts for Robust Autism Diagnosis and Biomarker Discovery
di: Izadi, Mohammad, et al.
Pubblicazione: (2025)

LightPneumoNet: Lightweight Pneumonia Classifier
di: Chauhan, Neilansh, et al.
Pubblicazione: (2025)

Learning Shrinks the Hard Tail: Training-Dependent Inference Scaling in a Solvable Linear Model
di: Levi, Noam
Pubblicazione: (2026)

Studying Classifier(-Free) Guidance From a Classifier-Centric Perspective
di: Zhao, Xiaoming, et al.
Pubblicazione: (2025)

On Continuity of Robust and Accurate Classifiers
di: Barati, Ramin, et al.
Pubblicazione: (2023)

Classifying Histopathologic Glioblastoma Sub-regions with EfficientNet
di: Adap, Sanyukta, et al.
Pubblicazione: (2025)

Confidence Calibration of Classifiers with Many Classes
di: LeCoz, Adrien, et al.
Pubblicazione: (2024)

Classifier-free guidance in LLMs Safety
di: Smirnov, Roman
Pubblicazione: (2024)

Interpretable and Fair Mechanisms for Abstaining Classifiers
di: Lenders, Daphne, et al.
Pubblicazione: (2025)

MoJE: Mixture of Jailbreak Experts, Naive Tabular Classifiers as Guard for Prompt Attacks
di: Cornacchia, Giandomenico, et al.
Pubblicazione: (2024)

Bridging Philosophy and Machine Learning: A Structuralist Framework for Classifying Neural Network Representations
di: Culcu, Yildiz
Pubblicazione: (2025)

Fixed Random Classifier Rearrangement for Continual Learning
di: Huang, Shengyang, et al.
Pubblicazione: (2024)

Generating Universal Adversarial Perturbations for Quantum Classifiers
di: Anil, Gautham, et al.
Pubblicazione: (2024)

Deep Classifier Mimicry without Data Access
di: Braun, Steven, et al.
Pubblicazione: (2023)

Fairness of Classifiers in the Presence of Constraints between Features
di: Cooper, Martin C., et al.
Pubblicazione: (2026)

Simple and Effective Specialized Representations for Fair Classifiers
di: Sinigaglia, Alberto, et al.
Pubblicazione: (2025)

Understanding Prediction Discrepancies in Machine Learning Classifiers
di: Renard, Xavier, et al.
Pubblicazione: (2021)

Bayesian Inference for Correlated Human Experts and Classifiers
di: Kelly, Markelle, et al.
Pubblicazione: (2025)

Optimal Transport for Domain Adaptation through Gaussian Mixture Models
di: Montesuma, Eduardo Fernandes, et al.
Pubblicazione: (2024)

Rethinking Zero-Shot Time Series Classification: From Task-specific Classifiers to In-Context Inference
di: Fang, Juntao, et al.
Pubblicazione: (2026)

Improving Continual Learning Performance and Efficiency with Auxiliary Classifiers
di: Szatkowski, Filip, et al.
Pubblicazione: (2024)

On the Usefulness of the Fit-on-the-Test View on Evaluating Calibration of Classifiers
di: Kängsepp, Markus, et al.
Pubblicazione: (2022)

Volatility in Certainty (VC): A Metric for Detecting Adversarial Perturbations During Inference in Neural Network Classifiers
di: Hemmati, Vahid, et al.
Pubblicazione: (2025)

High-Resolution Range Profile Classifiers Require Aspect-Angle Awareness
di: Brient, Edwyn, et al.
Pubblicazione: (2026)

XNB: Explainable Class-Specific NaIve-Bayes Classifier
di: Aguilar-Ruiz, Jesus S., et al.
Pubblicazione: (2024)

Distribution-Based Feature Attribution for Explaining the Predictions of Any Classifier
di: Li, Xinpeng, et al.
Pubblicazione: (2025)

Offline-to-Online Reinforcement Learning with Classifier-Free Diffusion Generation
di: Huang, Xiao, et al.
Pubblicazione: (2025)

Conformal Prediction of Classifiers with Many Classes based on Noisy Labels
di: Penso, Coby, et al.
Pubblicazione: (2025)

Balanced Online Class-Incremental Learning via Dual Classifiers
di: Wen, Shunjie, et al.
Pubblicazione: (2025)

What Does It Take to Build a Performant Selective Classifier?
di: Rabanser, Stephan, et al.
Pubblicazione: (2025)