Buchumschlag

Time to Retrain? Detecting Concept Drifts in Machine Learning Systems

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Pham, Tri Minh Triet, Premkumar, Karthikeyan, Naili, Mohamed, Yang, Jinqiu
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

On the Robustness Evaluation of 3D Obstacle Detection Against Specifications in Autonomous Driving
von: Pham, Tri Minh Triet, et al.
Veröffentlicht: (2024)

Perception-Guided Fuzzing for Simulated Scenario-Based Testing of Autonomous Driving Systems
von: Pham, Tri Minh Triet, et al.
Veröffentlicht: (2024)

Evaluating and Improving the Robustness of LiDAR Odometry and Localization Under Real-World Corruptions
von: Yang, Bo, et al.
Veröffentlicht: (2024)

Departure from Regularity: Degree Heterogeneity and Eigengap as the Structural Drivers of ASE-LSE Latent Subspace Disagreement
von: Pham, Minh Triet, et al.
Veröffentlicht: (2026)

ADPerf: Investigating and Testing Performance in Autonomous Driving Systems
von: Pham, Tri Minh-Triet, et al.
Veröffentlicht: (2025)

Deep Attention-based Sequential Ensemble Learning for BLE-Based Indoor Localization in Care Facilities
von: Pham, Minh Triet, et al.
Veröffentlicht: (2026)

When to Retrain after Drift: A Data-Only Test of Post-Drift Data Size Sufficiency
von: Fujiwara, Ren, et al.
Veröffentlicht: (2026)

From XAI to MLOps: Explainable Concept Drift Detection with Profile Drift Detection
von: Dar, Ugur, et al.
Veröffentlicht: (2024)

On the Impossibility of Retrain Equivalence in Machine Unlearning
von: Yu, Jiatong, et al.
Veröffentlicht: (2025)

How well does Classification Accuracy capture Concept Drift Detection Quality? An overview of Concept Drift Detection evaluation
von: Komorniczak, Joanna
Veröffentlicht: (2026)

ORACAL: A Robust and Explainable Multimodal Framework for Smart Contract Vulnerability Detection with Causal Graph Enrichment
von: Dai, Tran Duong Minh, et al.
Veröffentlicht: (2026)

Learning Unbiased Cluster Descriptors for Interpretable Imbalanced Concept Drift Detection
von: Zhang, Yiqun, et al.
Veröffentlicht: (2026)

Early Concept Drift Detection via Prediction Uncertainty
von: Lu, Pengqian, et al.
Veröffentlicht: (2024)

PANORAMIA: Privacy Auditing of Machine Learning Models without Retraining
von: Kazmi, Mishaal, et al.
Veröffentlicht: (2024)

MADCAT: Combating Malware Detection Under Concept Drift with Test-Time Adaptation
von: Roh, Eunjin, et al.
Veröffentlicht: (2025)

Sparks of Quantum Advantage and Rapid Retraining in Machine Learning
von: Troy, William
Veröffentlicht: (2024)

Improving Real-Time Concept Drift Detection using a Hybrid Transformer-Autoencoder Framework
von: Harshit, N, et al.
Veröffentlicht: (2025)

Investigating the Robustness of Knowledge Tracing Models in the Presence of Student Concept Drift
von: Lee, Morgan, et al.
Veröffentlicht: (2025)

CORAL: Concept Drift Representation Learning for Co-evolving Time-series
von: Xu, Kunpeng, et al.
Veröffentlicht: (2025)

Online Drift Detection with Maximum Concept Discrepancy
von: Wan, Ke, et al.
Veröffentlicht: (2024)

Cluster Analysis and Concept Drift Detection in Malware
von: Mishra, Aniket, et al.
Veröffentlicht: (2025)

DRMD: Deep Reinforcement Learning for Malware Detection under Concept Drift
von: McFadden, Shae, et al.
Veröffentlicht: (2025)

Debugging Concept Bottleneck Models through Removal and Retraining
von: Enouen, Eric, et al.
Veröffentlicht: (2025)

Metacognitive Sensitivity for Test-Time Dynamic Model Selection
von: Trinh, Le Tuan Minh, et al.
Veröffentlicht: (2025)

Incremental Learning with Concept Drift Detection and Prototype-based Embeddings for Graph Stream Classification
von: Malialis, Kleanthis, et al.
Veröffentlicht: (2024)

MORPH: Towards Automated Concept Drift Adaptation for Malware Detection
von: Alam, Md Tanvirul, et al.
Veröffentlicht: (2024)

The Window Dilemma: Why Concept Drift Detection is Ill-Posed
von: Gower-Winter, Brandon, et al.
Veröffentlicht: (2026)

Investigating the Suitability of Concept Drift Detection for Detecting Leakages in Water Distribution Networks
von: Vaquet, Valerie, et al.
Veröffentlicht: (2024)

Distributionally Robust Policy Learning under Concept Drifts
von: Wang, Jingyuan, et al.
Veröffentlicht: (2024)

Opportunistic Expert Activation: Batch-Aware Expert Routing for Faster Decode Without Retraining
von: Oncescu, Costin-Andrei, et al.
Veröffentlicht: (2025)

BabelCoder: Agentic Code Translation with Specification Alignment
von: Rabbi, Fazle, et al.
Veröffentlicht: (2025)

Unsupervised Concept Drift Detection from Deep Learning Representations in Real-time
von: Greco, Salvatore, et al.
Veröffentlicht: (2024)

Online Detection of Water Contamination Under Concept Drift
von: Li, Jin, et al.
Veröffentlicht: (2025)

Tackling Time-Series Forecasting Generalization via Mitigating Concept Drift
von: Zhao, Zhiyuan, et al.
Veröffentlicht: (2025)

LARA: A Light and Anti-overfitting Retraining Approach for Unsupervised Time Series Anomaly Detection
von: Chen, Feiyi, et al.
Veröffentlicht: (2023)

Diffusion Density Estimators
von: Premkumar, Akhil
Veröffentlicht: (2024)

Pulling the Carpet Below the Learner's Feet: Genetic Algorithm To Learn Ensemble Machine Learning Model During Concept Drift
von: Lazebnik, Teddy
Veröffentlicht: (2024)

Unsupervised Concept Drift Detection based on Parallel Activations of Neural Network
von: Komorniczak, Joanna, et al.
Veröffentlicht: (2024)

Optimized Deep Learning Models for Malware Detection under Concept Drift
von: Maillet, William, et al.
Veröffentlicht: (2023)

Autonomous Concept Drift Threshold Determination
von: Lu, Pengqian, et al.
Veröffentlicht: (2025)