Copertina

Optimal Parallelization of Boosting

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	da Cunha, Arthur, Høgsgaard, Mikael Møller, Larsen, Kasper Green
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

AdaBoost is not an Optimal Weak to Strong Learner
di: Høgsgaard, Mikael Møller, et al.
Pubblicazione: (2023)

Sample-Near-Optimal Agnostic Boosting with Improved Running Time
di: da Cunha, Arthur, et al.
Pubblicazione: (2026)

Improved Margin Generalization Bounds for Voting Classifiers
di: Høgsgaard, Mikael Møller, et al.
Pubblicazione: (2025)

The Interplay Between Interpolation and Aggregation in Regression: Optimal Sample Complexity
di: Høgsgaard, Mikael Møller, et al.
Pubblicazione: (2026)

The Many Faces of Optimal Weak-to-Strong Learning
di: Høgsgaard, Mikael Møller, et al.
Pubblicazione: (2024)

Majority-of-Three: The Simplest Optimal Learner?
di: Aden-Ali, Ishaq, et al.
Pubblicazione: (2024)

Revisiting Agnostic Boosting
di: da Cunha, Arthur, et al.
Pubblicazione: (2025)

Efficient Optimal PAC Learning
di: Høgsgaard, Mikael Møller
Pubblicazione: (2025)

The Optimal Sample Complexity of Linear Contracts
di: Høgsgaard, Mikael Møller
Pubblicazione: (2026)

Boosting, Voting Classifiers and Randomized Sample Compression Schemes
di: da Cunha, Arthur, et al.
Pubblicazione: (2024)

Uniform Mean Estimation for Heavy-Tailed Distributions via Median-of-Means
di: Høgsgaard, Mikael Møller, et al.
Pubblicazione: (2025)

Agnostic Language Identification and Generation
di: Høgsgaard, Mikael Møller, et al.
Pubblicazione: (2026)

On Agnostic PAC Learning in the Small Error Regime
di: Asilis, Julian, et al.
Pubblicazione: (2025)

Understanding Aggregations of Proper Learners in Multiclass Classification
di: Asilis, Julian, et al.
Pubblicazione: (2024)

Improved Replicable Boosting with Majority-of-Majorities
di: Larsen, Kasper Green, et al.
Pubblicazione: (2025)

Tight Margin-Based Generalization Bounds for Voting Classifiers over Finite Hypothesis Sets
di: Larsen, Kasper Green, et al.
Pubblicazione: (2025)

Tight Generalization Bounds for Large-Margin Halfspaces
di: Larsen, Kasper Green, et al.
Pubblicazione: (2025)

A Fine-Grained Understanding of Uniform Convergence for Halfspaces
di: Kontorovich, Aryeh, et al.
Pubblicazione: (2026)

An Exponential Separation Between Quantum and Quantum-Inspired Classical Algorithms for Linear Systems
di: Grønlund, Allan, et al.
Pubblicazione: (2024)

Learning with Monotone Adversarial Corruptions
di: Larsen, Kasper Green, et al.
Pubblicazione: (2026)

Revisiting Agnostic PAC Learning
di: Hanneke, Steve, et al.
Pubblicazione: (2024)

Derandomizing Multi-Distribution Learning
di: Larsen, Kasper Green, et al.
Pubblicazione: (2024)

Replicable Learning of Large-Margin Halfspaces
di: Kalavasis, Alkis, et al.
Pubblicazione: (2024)

Actively Learning Halfspaces without Synthetic Data
di: Black, Hadley, et al.
Pubblicazione: (2025)

The Sample Complexity of Replicable Realizable PAC Learning
di: Larsen, Kasper Green, et al.
Pubblicazione: (2026)

The Cost of Parallelizing Boosting
di: Lyu, Xin, et al.
Pubblicazione: (2024)

Optimally Interpolating between Ex-Ante Fairness and Welfare
di: Høgsgaard, Mikael Møller, et al.
Pubblicazione: (2023)

Sample-Optimal Agnostic Boosting with Unlabeled Data
di: Ghai, Udaya, et al.
Pubblicazione: (2025)

Integrating Asynchronous AdaBoost into Federated Learning: Five Real World Applications
di: Oghlukyan, Arthur, et al.
Pubblicazione: (2025)

Policy Gradients for Optimal Parallel Tempering MCMC
di: Zhao, Daniel, et al.
Pubblicazione: (2024)

Polynomially Over-Parameterized Convolutional Neural Networks Contain Structured Strong Winning Lottery Tickets
di: da Cunha, Arthur, et al.
Pubblicazione: (2023)

Parallel Algorithm for Optimal Threshold Labeling of Ordinal Regression Methods
di: Yamasaki, Ryoya, et al.
Pubblicazione: (2024)

Heterogeneity-Aware Client Sampling for Optimal and Efficient Federated Learning
di: Weng, Shudi, et al.
Pubblicazione: (2025)

Near-Optimality of Contrastive Divergence Algorithms
di: Glaser, Pierre, et al.
Pubblicazione: (2025)

Diffusion Language Models are Provably Optimal Parallel Samplers
di: Jiang, Haozhe, et al.
Pubblicazione: (2025)

Embarrassingly Parallel GFlowNets
di: da Silva, Tiago, et al.
Pubblicazione: (2024)

On the Existence of Optimal Transport Gradient for Learning Generative Models
di: Houdard, Antoine, et al.
Pubblicazione: (2021)

Approximated Likelihood Ratio: A Forward-Only and Parallel Framework for Boosting Neural Network Training
di: Zhang, Zeliang, et al.
Pubblicazione: (2024)

Nonparametric Instrumental Regression via Kernel Methods is Minimax Optimal
di: Meunier, Dimitri, et al.
Pubblicazione: (2024)

Personalized Federated Learning under Model Dissimilarity Constraints
di: Erickson, Samuel, et al.
Pubblicazione: (2025)