Buchumschlag

MANO: Exploiting Matrix Norm for Unsupervised Accuracy Estimation Under Distribution Shifts

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Xie, Renchunzi, Odonnat, Ambroise, Feofanov, Vasilii, Deng, Weijian, Zhang, Jianfeng, An, Bo
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

Leveraging Gradients for Unsupervised Accuracy Estimation under Distribution Shift
von: Xie, Renchunzi, et al.
Veröffentlicht: (2024)

Leveraging Ensemble Diversity for Robust Self-Training in the Presence of Sample Selection Bias
von: Odonnat, Ambroise, et al.
Veröffentlicht: (2023)

Layer by layer, module by module: Choose both for optimal OOD probing of ViT
von: Odonnat, Ambroise, et al.
Veröffentlicht: (2026)

Analysing Multi-Task Regression via Random Matrix Theory with Application to Time Series Forecasting
von: Ilbert, Romain, et al.
Veröffentlicht: (2024)

SAMformer: Unlocking the Potential of Transformers in Time Series Forecasting with Sharpness-Aware Minimization and Channel-Wise Attention
von: Ilbert, Romain, et al.
Veröffentlicht: (2024)

CauKer: Classification Time Series Foundation Models Can Be Pretrained on Synthetic Data
von: Xie, Shifeng, et al.
Veröffentlicht: (2025)

Measuring Pre-training Data Quality without Labels for Time Series Foundation Models
von: Wen, Songkang, et al.
Veröffentlicht: (2024)

Clustering Head: A Visual Case Study of the Training Dynamics in Transformers
von: Odonnat, Ambroise, et al.
Veröffentlicht: (2024)

Optimal Self-Consistency for Efficient Reasoning with Large Language Models
von: Feng, Austin, et al.
Veröffentlicht: (2025)

Easing Optimization Paths: a Circuit Perspective
von: Odonnat, Ambroise, et al.
Veröffentlicht: (2025)

MantisV2: Closing the Zero-Shot Gap in Time Series Classification with Synthetic Data and Test-Time Strategies
von: Feofanov, Vasilii, et al.
Veröffentlicht: (2026)

Provable Benefits of In-Tool Learning for Large Language Models
von: Houliston, Sam, et al.
Veröffentlicht: (2025)

Vision Transformer Finetuning Benefits from Non-Smooth Components
von: Odonnat, Ambroise, et al.
Veröffentlicht: (2026)

Leveraging Generic Time Series Foundation Models for EEG Classification
von: Gnassounou, Théo, et al.
Veröffentlicht: (2025)

UTICA: Multi-Objective Self-Distllation Foundation Model Pretraining for Time Series Classification
von: Moakher, Yessin, et al.
Veröffentlicht: (2026)

User-friendly Foundation Model Adapters for Multivariate Time Series Classification
von: Feofanov, Vasilii, et al.
Veröffentlicht: (2024)

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

SKADA-Bench: Benchmarking Unsupervised Domain Adaptation Methods with Realistic Validation On Diverse Modalities
von: Lalou, Yanis, et al.
Veröffentlicht: (2024)

Minimax Optimal Estimation of Stability Under Distribution Shift
von: Namkoong, Hongseok, et al.
Veröffentlicht: (2022)

AdaPTS: Adapting Univariate Foundation Models to Probabilistic Multivariate Time Series Forecasting
von: Benechehab, Abdelhakim, et al.
Veröffentlicht: (2025)

Large Language Models as Markov Chains
von: Zekri, Oussama, et al.
Veröffentlicht: (2024)

Mantis: Lightweight Calibrated Foundation Model for User-Friendly Time Series Classification
von: Feofanov, Vasilii, et al.
Veröffentlicht: (2025)

ConjNorm: Tractable Density Estimation for Out-of-Distribution Detection
von: Peng, Bo, et al.
Veröffentlicht: (2024)

Self-Training: A Survey
von: Amini, Massih-Reza, et al.
Veröffentlicht: (2022)

Causal Imitation Learning Under Measurement Error and Distribution Shift
von: Bo, Shi, et al.
Veröffentlicht: (2026)

Time Series Representations for Classification Lie Hidden in Pretrained Vision Transformers
von: Roschmann, Simon, et al.
Veröffentlicht: (2025)

Estimate Level Adjustment For Inference With Proxies Under Random Distribution Shifts
von: Wilkins-Reeves, Steven, et al.
Veröffentlicht: (2026)

Online GNN Evaluation Under Test-time Graph Distribution Shifts
von: Zheng, Xin, et al.
Veröffentlicht: (2024)

Learning Clinical Representations Under Systematic Distribution Shift
von: Zhang, Yuanyun, et al.
Veröffentlicht: (2026)

Distribution Estimation under the Infinity Norm
von: Kontorovich, Aryeh, et al.
Veröffentlicht: (2024)

MoETTA: Test-Time Adaptation Under Mixed Distribution Shifts with MoE-LayerNorm
von: Fan, Xiao, et al.
Veröffentlicht: (2025)

LLM Pretraining Shapes a Generalizable Manifold: Insights into Cross-Modal Transfer to Time Series
von: Roger, Alexis, et al.
Veröffentlicht: (2026)

Optimal Sketching for Residual Error Estimation for Matrix and Vector Norms
von: Li, Yi, et al.
Veröffentlicht: (2024)

Zero-shot Model-based Reinforcement Learning using Large Language Models
von: Benechehab, Abdelhakim, et al.
Veröffentlicht: (2024)

Estimation of Distribution Algorithms with Matrix Transpose in Bayesian Learning
von: Kim, Dae-Won, et al.
Veröffentlicht: (2024)

Entropic Projection Alignment: Estimating, Explaining, and Improving Model Performance Under Distribution Shift
von: Amoukou, Salim I., et al.
Veröffentlicht: (2026)

Learning Pattern-Specific Experts for Time Series Forecasting Under Patch-level Distribution Shift
von: Sun, Yanru, et al.
Veröffentlicht: (2024)

ASAP: Unsupervised Post-training with Label Distribution Shift Adaptive Learning Rate
von: Park, Heewon, et al.
Veröffentlicht: (2025)

Matrix-Free Two-to-Infinity and One-to-Two Norms Estimation
von: Tsyganov, Askar, et al.
Veröffentlicht: (2025)

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