Copertina

Principal Orthogonal Latent Components Analysis (POLCA Net)

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	H., Jose Antonio Martin, Perozo, Freddy, Lopez, Manuel
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	Machine Learning Artificial Intelligence
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

POLCA: Stochastic Generative Optimization with LLM
di: Ren, Xuanfei, et al.
Pubblicazione: (2026)

Principal Components for Neural Network Initialization
di: Phan, Nhan, et al.
Pubblicazione: (2025)

An Approach to Variable Clustering: K-means in Transposed Data and its Relationship with Principal Component Analysis
di: Saquicela, Victor, et al.
Pubblicazione: (2025)

PCA-RAG: Principal Component Analysis for Efficient Retrieval-Augmented Generation
di: Khaledian, Arman, et al.
Pubblicazione: (2025)

Correcting Influence: Unboxing LLM Outputs with Orthogonal Latent Spaces
di: Yu, Shixing, et al.
Pubblicazione: (2026)

Causal Component Analysis
di: Wendong, Liang, et al.
Pubblicazione: (2023)

From What to How: Attributing CLIP's Latent Components Reveals Unexpected Semantic Reliance
di: Dreyer, Maximilian, et al.
Pubblicazione: (2025)

Self-Adaptive Quantum Kernel Principal Components Analysis for Compact Readout of Chemiresistive Sensor Arrays
di: Wang, Zeheng, et al.
Pubblicazione: (2024)

Orthogonalized Policy Optimization:Policy Optimization as Orthogonal Projection in Hilbert Space
di: Zixian, Wang
Pubblicazione: (2026)

Unveiling the Hidden Structure of Self-Attention via Kernel Principal Component Analysis
di: Teo, Rachel S. Y., et al.
Pubblicazione: (2024)

Estimating Treatment Effects with Independent Component Analysis
di: Reizinger, Patrik, et al.
Pubblicazione: (2025)

Group Orthogonalized Policy Optimization:Group Policy Optimization as Orthogonal Projection in Hilbert Space
di: Zixian, Wang
Pubblicazione: (2026)

Enhanced Pruning Strategy for Multi-Component Neural Architectures Using Component-Aware Graph Analysis
di: Sundaram, Ganesh, et al.
Pubblicazione: (2025)

Identifiable Shared Component Analysis of Unpaired Multimodal Mixtures
di: Timilsina, Subash, et al.
Pubblicazione: (2024)

Anomaly Detection in California Electricity Price Forecasting: Enhancing Accuracy and Reliability Using Principal Component Analysis
di: Nyangon, Joseph, et al.
Pubblicazione: (2024)

Measuring Orthogonality in Representations of Generative Models
di: Geyer, Robin C., et al.
Pubblicazione: (2024)

ORTHOBO: Orthogonal Bayesian Hyperparameter Optimization
di: Schröder, Maresa, et al.
Pubblicazione: (2026)

ONG: Orthogonal Natural Gradient Descent
di: Yadav, Yajat, et al.
Pubblicazione: (2025)

Hierarchical Time Series Forecasting Via Latent Mean Encoding
di: Salatiello, Alessandro, et al.
Pubblicazione: (2025)

PLEIADES: Building Temporal Kernels with Orthogonal Polynomials
di: Pei, Yan Ru, et al.
Pubblicazione: (2024)

Deep Orthogonal Hypersphere Compression for Anomaly Detection
di: Zhang, Yunhe, et al.
Pubblicazione: (2023)

UNO: Unlearning via Orthogonalization in Generative models
di: Mandal, Pinak, et al.
Pubblicazione: (2025)

Orthogonal Soft Pruning for Efficient Class Unlearning
di: Gong, Qinghui, et al.
Pubblicazione: (2025)

Multiplicative Orthogonal Sequential Editing for Language Models
di: Xu, Hao-Xiang, et al.
Pubblicazione: (2026)

From Latent Space to Training Data: Explainable Specialization in Minimal MLPs
di: Alba, Enrique, et al.
Pubblicazione: (2026)

The Path Not Taken: RLVR Provably Learns Off the Principals
di: Zhu, Hanqing, et al.
Pubblicazione: (2025)

Principal Curvatures Estimation with Applications to Single Cell Data
di: Zhang, Yanlei, et al.
Pubblicazione: (2025)

Reclaiming the Source of Programmatic Policies: Programmatic versus Latent Spaces
di: Carvalho, Tales H., et al.
Pubblicazione: (2024)

Harnessing Orthogonality to Train Low-Rank Neural Networks
di: Coquelin, Daniel, et al.
Pubblicazione: (2024)

Generalizing Knowledge Graph Embedding with Universal Orthogonal Parameterization
di: Li, Rui, et al.
Pubblicazione: (2024)

FedMuon: Accelerating Federated Learning with Matrix Orthogonalization
di: Liu, Junkang, et al.
Pubblicazione: (2025)

Evaluating and Designing Sparse Autoencoders by Approximating Quasi-Orthogonality
di: Lee, Sewoong, et al.
Pubblicazione: (2025)

ROOT: Robust Orthogonalized Optimizer for Neural Network Training
di: He, Wei, et al.
Pubblicazione: (2025)

HadamRNN: Binary and Sparse Ternary Orthogonal RNNs
di: Foucault, Armand, et al.
Pubblicazione: (2025)

Adaptive Cubic Regularized Second-Order Latent Factor Analysis Model
di: Wang, Jialiang, et al.
Pubblicazione: (2025)

Scaling Continuous Latent Variable Models as Probabilistic Integral Circuits
di: Gala, Gennaro, et al.
Pubblicazione: (2024)

Latent Introspection: Models Can Detect Prior Concept Injections
di: Pearson-Vogel, Theia, et al.
Pubblicazione: (2026)

ConjointNet: Enhancing Conjoint Analysis for Preference Prediction with Representation Learning
di: Zhang, Yanxia, et al.
Pubblicazione: (2025)

Mini-Hes: A Parallelizable Second-order Latent Factor Analysis Model
di: Wang, Jialiang, et al.
Pubblicazione: (2024)

Deconstructing Generative Diversity: An Information Bottleneck Analysis of Discrete Latent Generative Models
di: Wu, Yudi, et al.
Pubblicazione: (2025)