Buchumschlag

A Theory of Machine Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kim, Jinsook, Kang, Jinho
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

Can Machines Learn the True Probabilities?
von: Kim, Jinsook
Veröffentlicht: (2024)

Higher-order Neural Additive Models: An Interpretable Machine Learning Model with Feature Interactions
von: Kim, Minkyu, et al.
Veröffentlicht: (2022)

Capturing Momentum: Tennis Match Analysis Using Machine Learning and Time Series Theory
von: Lei, Jingdi, et al.
Veröffentlicht: (2024)

Transparent Networks for Multivariate Time Series
von: Kim, Minkyu, et al.
Veröffentlicht: (2024)

SCRec: A Scalable Computational Storage System with Statistical Sharding and Tensor-train Decomposition for Recommendation Models
von: Yang, Jinho, et al.
Veröffentlicht: (2025)

Explicit Feature Interaction-aware Graph Neural Networks
von: Kim, Minkyu, et al.
Veröffentlicht: (2022)

An Approximation Theory Perspective on Machine Learning
von: Mhaskar, Hrushikesh N., et al.
Veröffentlicht: (2025)

FairDICE: Fairness-Driven Offline Multi-Objective Reinforcement Learning
von: Kim, Woosung, et al.
Veröffentlicht: (2025)

Learning Time-Varying Graph Signals via Koopman
von: Krishnan, Sivaram, et al.
Veröffentlicht: (2025)

Flat Posterior Does Matter For Bayesian Model Averaging
von: Lim, Sungjun, et al.
Veröffentlicht: (2024)

Machine Learning Algorithms in Statistical Modelling Bridging Theory and Application
von: Rao, A. Ganapathi, et al.
Veröffentlicht: (2025)

From Specification to Architecture: A Theory Compiler for Knowledge-Guided Machine Learning
von: Hevapathige, Asela, et al.
Veröffentlicht: (2026)

Interactive Machine Learning: From Theory to Scale
von: Zhu, Yinglun
Veröffentlicht: (2025)

LDMol: A Text-to-Molecule Diffusion Model with Structurally Informative Latent Space Surpasses AR Models
von: Chang, Jinho, et al.
Veröffentlicht: (2024)

Why Rectified Power Unit Networks Fail and How to Improve It: An Effective Field Theory Perspective
von: Kim, Taeyoung, et al.
Veröffentlicht: (2024)

General Machine Learning: Theory for Learning Under Variable Regimes
von: Osmani, Aomar
Veröffentlicht: (2026)

Deep Learning-based Accelerated MR Cholangiopancreatography without Fully-sampled Data
von: Kim, Jinho, et al.
Veröffentlicht: (2024)

auto-fpt: Automating Free Probability Theory Calculations for Machine Learning Theory
von: Subramonian, Arjun, et al.
Veröffentlicht: (2025)

GeoShapley: A Game Theory Approach to Measuring Spatial Effects in Machine Learning Models
von: Li, Ziqi
Veröffentlicht: (2023)

Unemployment Dynamics Forecasting with Machine Learning Regression Models
von: Kim, Kyungsu
Veröffentlicht: (2025)

Machine Learning for Improved Density Functional Theory Thermodynamics
von: Simak, Sergei I., et al.
Veröffentlicht: (2025)

Information Theory in Open-world Machine Learning Foundations, Frameworks, and Future Direction
von: Wang, Lin
Veröffentlicht: (2025)

Optimal Control of Multiclass Fluid Queueing Networks: A Machine Learning Approach
von: Bertsimas, Dimitris, et al.
Veröffentlicht: (2023)

Bridging Algorithmic Information Theory and Machine Learning: A New Approach to Kernel Learning
von: Hamzi, Boumediene, et al.
Veröffentlicht: (2023)

A Machine Learning Theory Perspective on Strategic Litigation
von: Dutz, Melissa, et al.
Veröffentlicht: (2025)

Machine Learning: Progress and Prospects
von: Gammerman, Alexander
Veröffentlicht: (2025)

Bidirectional Generation of Structure and Properties Through a Single Molecular Foundation Model
von: Chang, Jinho, et al.
Veröffentlicht: (2022)

Generalizing Machine Learning Evaluation through the Integration of Shannon Entropy and Rough Set Theory
von: Cherednichenko, Olga, et al.
Veröffentlicht: (2024)

Game of Coding: Coding Theory in the Presence of Rational Adversaries, Motivated by Decentralized Machine Learning
von: Nodehi, Hanzaleh Akbari, et al.
Veröffentlicht: (2026)

Feature Construction Using Network Control Theory and Rank Encoding for Graph Machine Learning
von: Said, Anwar, et al.
Veröffentlicht: (2025)

Counterfactual Fairness Evaluation of Machine Learning Models on Educational Datasets
von: Kim, Woojin, et al.
Veröffentlicht: (2025)

Wasserstein Distributionally Robust Optimization: Theory and Applications in Machine Learning
von: Kuhn, Daniel, et al.
Veröffentlicht: (2019)

Applications of Machine Learning in Pharmacogenomics: Clustering Plasma Concentration-Time Curves
von: Lautier, Jackson P., et al.
Veröffentlicht: (2022)

Machine-Learning-Assisted Photonic Device Development: A Multiscale Approach from Theory to Characterization
von: Chen, Yuheng, et al.
Veröffentlicht: (2025)

A Framework for Interpretability in Machine Learning for Medical Imaging
von: Wang, Alan Q., et al.
Veröffentlicht: (2023)

F-Adapter: Frequency-Adaptive Parameter-Efficient Fine-Tuning in Scientific Machine Learning
von: Zhang, Hangwei, et al.
Veröffentlicht: (2025)

Improving Graph Machine Learning Performance Through Feature Augmentation Based on Network Control Theory
von: Said, Anwar, et al.
Veröffentlicht: (2024)

Inferential Mechanics Part 1: Causal Mechanistic Theories of Machine Learning in Chemical Biology with Implications
von: Balabin, Ilya, et al.
Veröffentlicht: (2026)

Smart Contract Adoption under Discrete Overdispersed Demand: A Negative Binomial Optimization Perspective
von: Cha, Jinho, et al.
Veröffentlicht: (2025)

MIRRAMS: Learning Robust Tabular Models under Unseen Missingness Shifts
von: Lee, Jihye, et al.
Veröffentlicht: (2025)