Buchumschlag

Low-Rank Approximation, Adaptation, and Other Tales

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Lu, Jun
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Information Retrieval Numerical Analysis
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Expand More, Shrink Less: Shaping Effective-Rank Dynamics for Dense Scaling in Recommendation
von: Li, Guoming, et al.
Veröffentlicht: (2026)

Efficient Model-Based Collaborative Filtering with Fast Adaptive PCA
von: Ding, Xiangyun, et al.
Veröffentlicht: (2020)

Dual Simplex Volume Maximization for Simplex-Structured Matrix Factorization
von: Abdolali, Maryam, et al.
Veröffentlicht: (2024)

High Resolution Spatio-Temporal Model for Room-Level Airborne Pandemic Spread
von: Lazebnik, Teddy, et al.
Veröffentlicht: (2022)

Metric-agnostic Learning-to-Rank via Boosting and Rank Approximation
von: Gomez, Camilo, et al.
Veröffentlicht: (2026)

Operator SVD with Neural Networks via Nested Low-Rank Approximation
von: Ryu, J. Jon, et al.
Veröffentlicht: (2024)

Structured Variational $D$-Decomposition for Accurate and Stable Low-Rank Approximation
von: Katende, Ronald
Veröffentlicht: (2025)

Approximation Rates in Fréchet Metrics: Barron Spaces, Paley-Wiener Spaces, and Fourier Multipliers
von: Abdeljawad, Ahmed, et al.
Veröffentlicht: (2024)

Low Rank Field-Weighted Factorization Machines for Low Latency Item Recommendation
von: Shtoff, Alex, et al.
Veröffentlicht: (2024)

Transforming Norm-based To Graph-based Spatial Representation for Spatio-Temporal Epidemiological Models
von: Lazebnik, Teddy
Veröffentlicht: (2024)

Low-Rank Online Dynamic Assortment with Dual Contextual Information
von: Lee, Seong Jin, et al.
Veröffentlicht: (2024)

Continual Low-Rank Adapters for LLM-based Generative Recommender Systems
von: Yoo, Hyunsik, et al.
Veröffentlicht: (2025)

What is a Sketch-and-Precondition Derivation for Low-Rank Approximation? Inverse Power Error or Inverse Power Estimation?
von: Xu, Ruihan, et al.
Veröffentlicht: (2025)

Sketching Low-Rank Plus Diagonal Matrices
von: Fernandez, Andres, et al.
Veröffentlicht: (2025)

Accelerating Power Method with Fast Sketching for Stronger Low-Rank Approximation
von: Chenakkod, Shabarish, et al.
Veröffentlicht: (2026)

Efficient Differentiable Approximation of Generalized Low-rank Regularization
von: Li, Naiqi, et al.
Veröffentlicht: (2025)

RewardRank: Optimizing True Learning-to-Rank Utility
von: Bhatt, Gaurav, et al.
Veröffentlicht: (2025)

A Design Space for Explainable Ranking and Ranking Models
von: Hazwani, I. Al, et al.
Veröffentlicht: (2022)

Symmetric Rank-One Quasi-Newton Methods for Deep Learning Using Cubic Regularization
von: Ranganath, Aditya, et al.
Veröffentlicht: (2025)

Nonconvex Approach for Sparse and Low-Rank Constrained Models with Dual Momentum
von: Wu, Cho-Ying, et al.
Veröffentlicht: (2019)

Continuous Approach to Phase (Norm) Retrieval Frames
von: Farshchian, Ramin, et al.
Veröffentlicht: (2025)

Rank and Align: Towards Effective Source-free Graph Domain Adaptation
von: Luo, Junyu, et al.
Veröffentlicht: (2024)

Proximal Ranking Policy Optimization for Practical Safety in Counterfactual Learning to Rank
von: Gupta, Shashank, et al.
Veröffentlicht: (2024)

RankSHAP: Shapley Value Based Feature Attributions for Learning to Rank
von: Chowdhury, Tanya, et al.
Veröffentlicht: (2024)

An Augmented Backward-Corrected Projector Splitting Integrator for Dynamical Low-Rank Training
von: Kusch, Jonas, et al.
Veröffentlicht: (2025)

Dynamical Low-Rank Compression of Neural Networks with Robustness under Adversarial Attacks
von: Schotthöfer, Steffen, et al.
Veröffentlicht: (2025)

Estimating the Hessian Matrix of Ranking Objectives for Stochastic Learning to Rank with Gradient Boosted Trees
von: Kang, Jingwei, et al.
Veröffentlicht: (2024)

Do Not Wait: Learning Re-Ranking Model Without User Feedback At Serving Time in E-Commerce
von: Wang, Yuan, et al.
Veröffentlicht: (2024)

CaliCausalRank: Calibrated Multi-Objective Ad Ranking with Robust Counterfactual Utility Optimization
von: Yang, Xikai, et al.
Veröffentlicht: (2026)

Approximation and learning of anisotropic and mixed smooth functions by deep ReLU neural networks
von: Yang, Yunfei, et al.
Veröffentlicht: (2026)

Scalable In-context Ranking with Generative Models
von: Gupta, Nilesh, et al.
Veröffentlicht: (2025)

Learning Cascade Ranking as One Network
von: Wang, Yunli, et al.
Veröffentlicht: (2025)

Provable Emergence of Deep Neural Collapse and Low-Rank Bias in $L^2$-Regularized Nonlinear Networks
von: Zangrando, Emanuele, et al.
Veröffentlicht: (2024)

Low-Rank Adversarial PGD Attack
von: Savostianova, Dayana, et al.
Veröffentlicht: (2024)

A Self-boosted Framework for Calibrated Ranking
von: Zhang, Shunyu, et al.
Veröffentlicht: (2024)

Residual Multi-Task Learner for Applied Ranking
von: Fu, Cong, et al.
Veröffentlicht: (2024)

MLPlatt: Simple Calibration Framework for Ranking Models
von: Bajger, Piotr, et al.
Veröffentlicht: (2026)

Learning to Rank with Variable Result Presentation Lengths
von: Knyazev, Norman, et al.
Veröffentlicht: (2025)

Multimodal Data Curation Through Ranked Retrieval
von: Muthukumar, Pratyush, et al.
Veröffentlicht: (2026)

Maximal Volume Matrix Cross Approximation for Image Compression and Least Squares Solution
von: Allen, Kenneth, et al.
Veröffentlicht: (2023)