Copertina

Few-shot Multi-Task Learning of Linear Invariant Features with Meta Subspace Pursuit

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Zhang, Chaozhi, Liu, Lin, Zhang, Xiaoqun
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	Machine Learning Methodology
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Invariant Subspace Decomposition
di: Lazzaretto, Margherita, et al.
Pubblicazione: (2024)

Mode-wise Principal Subspace Pursuit and Matrix Spiked Covariance Model
di: Tang, Runshi, et al.
Pubblicazione: (2023)

Projection Pursuit Density Ratio Estimation
di: Wang, Meilin, et al.
Pubblicazione: (2025)

IOCC: Aligning Semantic and Cluster Centers for Few-shot Short Text Clustering
di: Yin, Jixuan, et al.
Pubblicazione: (2025)

Multi-Task Learning with Summary Statistics
di: Knight, Parker, et al.
Pubblicazione: (2023)

Orthogonal Uplift Learning with Permutation-Invariant Representations for Combinatorial Treatments
di: Su, Xinyan, et al.
Pubblicazione: (2026)

SMART: A Spectral Transfer Approach to Multi-Task Learning
di: Zhao, Boxin, et al.
Pubblicazione: (2026)

Contrast-Space Projection for Network Meta-Analysis: An Exact and Invariant Study-Based Decomposition of Direct and Indirect Contributions
di: Wang, Chong, et al.
Pubblicazione: (2026)

Task-tailored Pre-processing: Fair Downstream Supervised Learning
di: Sohn, Jinwon, et al.
Pubblicazione: (2026)

Robust and Adaptive Spectral Method for Representation Multi-Task Learning with Contamination
di: Huang, Yian, et al.
Pubblicazione: (2025)

Multi-Task Learning for Sparsity Pattern Heterogeneity: Statistical and Computational Perspectives
di: Behdin, Kayhan, et al.
Pubblicazione: (2022)

GeoERM: Geometry-Aware Multi-Task Representation Learning on Riemannian Manifolds
di: Chen, Aoran, et al.
Pubblicazione: (2025)

Gaussian Invariant Markov Chain Monte Carlo
di: Titsias, Michalis K., et al.
Pubblicazione: (2025)

Multi-task Learning for Heterogeneous Data via Integrating Shared and Task-Specific Encodings
di: Sui, Yang, et al.
Pubblicazione: (2025)

Invariant Probabilistic Prediction
di: Henzi, Alexander, et al.
Pubblicazione: (2023)

Augmentation Invariant Manifold Learning
di: Wang, Shulei
Pubblicazione: (2022)

On Learning Causal Structures from Non-Experimental Data without Any Faithfulness Assumption
di: Lin, Hanti, et al.
Pubblicazione: (2018)

Attack-Resistant Uniform Fairness for Linear and Smooth Contextual Bandits
di: Zhang, Qingwen, et al.
Pubblicazione: (2026)

Enhancing Differentially Private Linear Regression via Public Second-Moment
di: Cao, Zilong, et al.
Pubblicazione: (2025)

Invariant Causal Prediction with Local Models
di: Mey, Alexander, et al.
Pubblicazione: (2024)

Invariant Causal Set Covering Machines
di: Godon, Thibaud, et al.
Pubblicazione: (2023)

Reverse Markov Learning: Multi-Step Generative Models for Complex Distributions
di: Shen, Xinwei, et al.
Pubblicazione: (2025)

Multi-Domain Empirical Bayes for Linearly-Mixed Causal Representations
di: Wu, Bohan, et al.
Pubblicazione: (2026)

Environment Invariant Linear Least Squares
di: Fan, Jianqing, et al.
Pubblicazione: (2023)

A Meta-Learning Approach to Bayesian Causal Discovery
di: Dhir, Anish, et al.
Pubblicazione: (2024)

Scalable Krylov Subspace Methods for Generalized Mixed-Effects Models with Crossed Random Effects
di: Kündig, Pascal, et al.
Pubblicazione: (2025)

Deep Partially Linear Transformation Model for Right-Censored Survival Data
di: Yin, Junkai, et al.
Pubblicazione: (2024)

Task-Agnostic Machine-Learning-Assisted Inference
di: Miao, Jiacheng, et al.
Pubblicazione: (2024)

Group-Aware Matrix Estimation and Latent Subspace Recovery
di: Golubovic, Hamza, et al.
Pubblicazione: (2026)

Subspace Recovery in Winsorized PCA: Insights into Accuracy and Robustness
di: Han, Sangil, et al.
Pubblicazione: (2025)

Causally-Aware Unsupervised Feature Selection Learning
di: Shen, Zongxin, et al.
Pubblicazione: (2024)

Coefficient Shape Transfer Learning for Functional Linear Regression
di: Jiao, Shuhao, et al.
Pubblicazione: (2025)

A Unified Hierarchical Multi-Task Multi-Fidelity Framework for Data-Efficient Surrogate Modeling in Manufacturing
di: Mehta, Manan, et al.
Pubblicazione: (2026)

Multi-Fidelity Quantile Regression
di: Liu, Yixiang, et al.
Pubblicazione: (2026)

A VAE-based Framework for Learning Multi-Level Neural Granger-Causal Connectivity
di: Lin, Jiahe, et al.
Pubblicazione: (2024)

Demystifying Spectral Feature Learning for Instrumental Variable Regression
di: Meunier, Dimitri, et al.
Pubblicazione: (2025)

Meta Fusion: A Unified Framework For Multimodality Fusion with Mutual Learning
di: Liang, Ziyi, et al.
Pubblicazione: (2025)

Estimating Interventional Distributions with Uncertain Causal Graphs through Meta-Learning
di: Dhir, Anish, et al.
Pubblicazione: (2025)

Multi-task Linear Regression without Eigenvalue Lower Bounds: Adaptivity, Robustness, and Safety
di: Kim, Seok-Jin
Pubblicazione: (2026)

On the Parameter Identifiability of Partially Observed Linear Causal Models
di: Dong, Xinshuai, et al.
Pubblicazione: (2024)