Buchumschlag

Neural Normalized Compression Distance and the Disconnect Between Compression and Classification

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Hurwitz, John, Nicholas, Charles, Raff, Edward
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 Disconnect Between Theory and Practice of Neural Networks: Limits of the NTK Perspective
von: Wenger, Jonathan, et al.
Veröffentlicht: (2023)

Tiny, Hardware-Independent, Compression-based Classification
von: Meyers, Charles, et al.
Veröffentlicht: (2026)

Bayesian Meta-Analyses Could Be More: A Case Study in Trial of Labor After a Cesarean-section Outcomes and Complications
von: Klein, Ashley, et al.
Veröffentlicht: (2026)

Chaotic Map based Compression Approach to Classification
von: B, Harikrishnan N, et al.
Veröffentlicht: (2025)

Neural Image Compression with Quantization Rectifier
von: Luo, Wei, et al.
Veröffentlicht: (2024)

Neural Weight Compression for Language Models
von: Ryu, Jegwang, et al.
Veröffentlicht: (2025)

Geometric Regularization in Mixture-of-Experts: The Disconnect Between Weights and Activations
von: Kim, Hyunjun
Veröffentlicht: (2026)

Learning to Compress: Local Rank and Information Compression in Deep Neural Networks
von: Patel, Niket, et al.
Veröffentlicht: (2024)

Verified Neural Compressed Sensing
von: Bunel, Rudy, et al.
Veröffentlicht: (2024)

Self-Compressing Neural Networks
von: Cséfalvay, Szabolcs, et al.
Veröffentlicht: (2023)

Stabilizing Linear Passive-Aggressive Online Learning with Weighted Reservoir Sampling
von: Wu, Skyler, et al.
Veröffentlicht: (2024)

Adversarial Machine Learning Attacks on Financial Reporting via Maximum Violated Multi-Objective Attack
von: Raff, Edward, et al.
Veröffentlicht: (2025)

Optimizing the Optimal Weighted Average: Efficient Distributed Sparse Classification
von: Lu, Fred, et al.
Veröffentlicht: (2024)

MCNC: Manifold-Constrained Reparameterization for Neural Compression
von: Thrash, Chayne, et al.
Veröffentlicht: (2024)

Neural Network Compression for Reinforcement Learning Tasks
von: Ivanov, Dmitry A., et al.
Veröffentlicht: (2024)

Efficient Neural Compression with Inference-time Decoding
von: Metz, C., et al.
Veröffentlicht: (2024)

SoK: A Review of Differentially Private Linear Models For High-Dimensional Data
von: Khanna, Amol, et al.
Veröffentlicht: (2024)

Differentially Private Iterative Screening Rules for Linear Regression
von: Khanna, Amol, et al.
Veröffentlicht: (2025)

Learning to Segment using Summary Statistics and Weak Supervision
von: Kulkarni, Omkar, et al.
Veröffentlicht: (2026)

SubstratumGraphEnv: Reinforcement Learning Environment (RLE) for Modeling System Attack Paths
von: Adewunmi, Bahirah, et al.
Veröffentlicht: (2026)

High-Dimensional Distributed Sparse Classification with Scalable Communication-Efficient Global Updates
von: Lu, Fred, et al.
Veröffentlicht: (2024)

Adaptive Error-Bounded Hierarchical Matrices for Efficient Neural Network Compression
von: Mango, John, et al.
Veröffentlicht: (2024)

A Benchmark Study of Neural Network Compression Methods for Hyperspectral Image Classification
von: Shi, Sai
Veröffentlicht: (2026)

Efficient Model Compression for Bayesian Neural Networks
von: Saha, Diptarka, et al.
Veröffentlicht: (2024)

Quantization-Aware Regularizers for Deep Neural Networks Compression
von: Malchiodi, Dario, et al.
Veröffentlicht: (2026)

Inference-friendly Graph Compression for Graph Neural Networks
von: Fan, Yangxin, et al.
Veröffentlicht: (2025)

Topological Feature Compression for Molecular Graph Neural Networks
von: Khorana, Rahul
Veröffentlicht: (2025)

Neural NeRF Compression
von: Pham, Tuan, et al.
Veröffentlicht: (2024)

Living off the Analyst: Harvesting Features from Yara Rules for Malware Detection
von: Gupta, Siddhant, et al.
Veröffentlicht: (2024)

Compressed Sensing: A Discrete Optimization Approach
von: Bertsimas, Dimitris, et al.
Veröffentlicht: (2023)

Spiking Brain Compression: Post-Training Second-order Compression for Spiking Neural Networks
von: Shi, Lianfeng, et al.
Veröffentlicht: (2025)

Training LLMs over Neurally Compressed Text
von: Lester, Brian, et al.
Veröffentlicht: (2024)

MetaSort: An Accelerated Approach for Non-uniform Compression and Few-shot Classification of Neural Spike Waveforms
von: Meyer, Luca M., et al.
Veröffentlicht: (2026)

Feature Selection from Differentially Private Correlations
von: Swope, Ryan, et al.
Veröffentlicht: (2024)

On Model Compression for Neural Networks: Framework, Algorithm, and Convergence Guarantee
von: Li, Chenyang, et al.
Veröffentlicht: (2023)

Low-Rank Prehab: Preparing Neural Networks for SVD Compression
von: Qin, Haoran, et al.
Veröffentlicht: (2025)

RECOMBINER: Robust and Enhanced Compression with Bayesian Implicit Neural Representations
von: He, Jiajun, et al.
Veröffentlicht: (2023)

Quick-Draw Bandits: Quickly Optimizing in Nonstationary Environments with Extremely Many Arms
von: Everett, Derek, et al.
Veröffentlicht: (2025)

AutoCompress: Critical Layer Isolation for Efficient Transformer Compression
von: Thorat, Archit
Veröffentlicht: (2026)

Shapley Pruning for Neural Network Compression
von: Adamczewski, Kamil, et al.
Veröffentlicht: (2024)