:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhang, Qi, Song, Yonghong, Guo, Pengcheng, Hui, Yangyang
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	https://arxiv.org/abs/2407.15873
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Class-Imbalanced Graph Learning without Class Rebalancing
von: Liu, Zhining, et al.
Veröffentlicht: (2023)

Semi-supervised CAPP Transformer Learning via Pseudo-labeling
von: Gross, Dennis, et al.
Veröffentlicht: (2026)

Collaborative Graph Walk for Semi-supervised Multi-Label Node Classification
von: Akujuobi, Uchenna, et al.
Veröffentlicht: (2019)

Beyond Rebalancing: Benchmarking Binary Classifiers Under Class Imbalance Without Rebalancing Techniques
von: Nawaz, Ali, et al.
Veröffentlicht: (2025)

Semi Supervised Heterogeneous Domain Adaptation via Disentanglement and Pseudo-Labelling
von: Dantas, Cassio F., et al.
Veröffentlicht: (2024)

Semantic-guided Representation Learning for Multi-Label Recognition
von: Zhang, Ruhui, et al.
Veröffentlicht: (2025)

When Noisy Labels Meet Class Imbalance on Graphs: A Graph Augmentation Method with LLM and Pseudo Label
von: Xia, Riting, et al.
Veröffentlicht: (2025)

A Confidence-Variance Theory for Pseudo-Label Selection in Semi-Supervised Learning
von: Liu, Jinshi, et al.
Veröffentlicht: (2026)

Combating Data Imbalances in Federated Semi-supervised Learning with Dual Regulators
von: Bai, Sikai, et al.
Veröffentlicht: (2023)

A Unified Framework for Heterogeneous Semi-supervised Learning
von: Heidari, Marzi, et al.
Veröffentlicht: (2025)

A Semi-supervised Generative Model for Incomplete Multi-view Data Integration with Missing Labels
von: Shen, Yiyang, et al.
Veröffentlicht: (2025)

NNG-Mix: Improving Semi-supervised Anomaly Detection with Pseudo-anomaly Generation
von: Dong, Hao, et al.
Veröffentlicht: (2023)

Shaping Sparse Rewards in Reinforcement Learning: A Semi-supervised Approach
von: Li, Wenyun, et al.
Veröffentlicht: (2025)

PTCL: Pseudo-Label Temporal Curriculum Learning for Label-Limited Dynamic Graph
von: Zhang, Shengtao, et al.
Veröffentlicht: (2025)

Not All Data are Good Labels: On the Self-supervised Labeling for Time Series Forecasting
von: Yang, Yuxuan, et al.
Veröffentlicht: (2025)

Toward a Holistic Approach to Continual Model Merging
von: Phan, Hoang, et al.
Veröffentlicht: (2025)

Federated Semi-Supervised Graph Neural Networks with Prototype-Guided Pseudo-Labeling for Privacy-Preserving Gestational Diabetes Mellitus Prediction
von: Daniela, G. Victor, et al.
Veröffentlicht: (2026)

Fleet Rebalancing for Expanding Shared e-Mobility Systems: A Multi-agent Deep Reinforcement Learning Approach
von: Luo, Man, et al.
Veröffentlicht: (2022)

SemiReward: A General Reward Model for Semi-supervised Learning
von: Li, Siyuan, et al.
Veröffentlicht: (2023)

Differentially Private Federated Clustering with Random Rebalancing
von: Yang, Xiyuan, et al.
Veröffentlicht: (2025)

Conflict-Aware Pseudo Labeling via Optimal Transport for Entity Alignment
von: Ding, Qijie, et al.
Veröffentlicht: (2022)

Nested Graph Pseudo-Label Refinement for Noisy Label Domain Adaptation Learning
von: Wang, Yingxu, et al.
Veröffentlicht: (2025)

Less is More: Pseudo-Label Filtering for Continual Test-Time Adaptation
von: Tan, Jiayao, et al.
Veröffentlicht: (2024)

A Masked Semi-Supervised Learning Approach for Otago Micro Labels Recognition
von: Shang, Meng, et al.
Veröffentlicht: (2024)

Rebalanced Multimodal Learning with Data-aware Unimodal Sampling
von: Jiang, Qingyuan, et al.
Veröffentlicht: (2025)

Model Merging in the Essential Subspace
von: Li, Longhua, et al.
Veröffentlicht: (2026)

E2PL: Effective and Efficient Prompt Learning for Incomplete Multi-view Multi-Label Class Incremental Learning
von: Chen, Jiajun, et al.
Veröffentlicht: (2026)

Enhancing Semi-supervised Learning with Zero-shot Pseudolabels
von: Chung, Jichan, et al.
Veröffentlicht: (2025)

Graph Neural Diffusion Networks for Semi-supervised Learning
von: Ye, Wei, et al.
Veröffentlicht: (2022)

Recurrent Attention Walk for Semi-supervised Classification
von: Akujuobi, Uchenna, et al.
Veröffentlicht: (2019)

Reliable OOD Virtual Screening with Extrapolatory Pseudo-Label Matching
von: Qu, Yunni, et al.
Veröffentlicht: (2024)

Recent Deep Semi-supervised Learning Approaches and Related Works
von: Kim, Gyeongho
Veröffentlicht: (2021)

IPixMatch: Boost Semi-supervised Semantic Segmentation with Inter-Pixel Relation
von: Wu, Kebin, et al.
Veröffentlicht: (2024)

SECRET: Semi-supervised Clinical Trial Document Similarity Search
von: Das, Trisha, et al.
Veröffentlicht: (2025)

AGMixup: Adaptive Graph Mixup for Semi-supervised Node Classification
von: Lu, Weigang, et al.
Veröffentlicht: (2024)

CAT Merging: A Training-Free Approach for Resolving Conflicts in Model Merging
von: Sun, Wenju, et al.
Veröffentlicht: (2025)

Merging Smarter, Generalizing Better: Enhancing Model Merging on OOD Data
von: Zhang, Bingjie, et al.
Veröffentlicht: (2025)

S2MAM: Semi-supervised Meta Additive Model for Robust Estimation and Variable Selection
von: Zhang, Xuelin, et al.
Veröffentlicht: (2026)

Expectation Maximization Pseudo Labels
von: Xu, Moucheng, et al.
Veröffentlicht: (2023)

Training-free Heterogeneous Model Merging
von: Xu, Zhengqi, et al.
Veröffentlicht: (2024)