Preventing Model Collapse in Deep Canonical Correlation Analysis by Noise Regularization

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	He, Junlin, Du, Jinxiao, Xu, Susu, Ma, Wei
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

Preventing Dimensional Collapse in Self-Supervised Learning via Orthogonality Regularization
von: He, Junlin, et al.
Veröffentlicht: (2024)

Golden Ratio Weighting Prevents Model Collapse
von: He, Hengzhi, et al.
Veröffentlicht: (2025)

Deep Dynamic Probabilistic Canonical Correlation Analysis
von: Tang, Shiqin, et al.
Veröffentlicht: (2025)

Reasoning-preserved Efficient Distillation of Large Language Models via Activation-aware Initialization
von: He, Junlin, et al.
Veröffentlicht: (2026)

Hard Regularization to Prevent Deep Online Clustering Collapse without Data Augmentation
von: Mahon, Louis, et al.
Veröffentlicht: (2023)

Graph Canonical Correlation Analysis
von: Park, Hongju, et al.
Veröffentlicht: (2025)

From Sequential to Recursive: Enhancing Decision-Focused Learning with Bidirectional Feedback
von: Wang, Xinyu, et al.
Veröffentlicht: (2025)

Citation Recommendation using Deep Canonical Correlation Analysis
von: McNamara, Conor, et al.
Veröffentlicht: (2025)

Sequential Subspace Noise Injection Prevents Accuracy Collapse in Certified Unlearning
von: Dolgova, Polina, et al.
Veröffentlicht: (2026)

Generalized Canonical Correlation Analysis for Classification
von: Shen, Cencheng, et al.
Veröffentlicht: (2013)

Preventing Model Collapse in Gaussian Process Latent Variable Models
von: Li, Ying, et al.
Veröffentlicht: (2024)

Preventing Model Collapse via Contraction-Conditioned Neural Filters
von: Han, Zongjian, et al.
Veröffentlicht: (2025)

Multi-resolution Score-Based Variational Graphical Diffusion for Causal Disaster System Modeling and Inference
von: Li, Xuechun, et al.
Veröffentlicht: (2025)

Permutation Inference for Canonical Correlation Analysis
von: Winkler, Anderson M., et al.
Veröffentlicht: (2020)

Canonical Correlation Guided Deep Neural Network
von: Chen, Zhiwen, et al.
Veröffentlicht: (2024)

A Probabilistic Perspective on Model Collapse
von: Xu, Shirong, et al.
Veröffentlicht: (2025)

Neural Operator Variational Inference based on Regularized Stein Discrepancy for Deep Gaussian Processes
von: Xu, Jian, et al.
Veröffentlicht: (2023)

Explaining and Preventing Alignment Collapse in Iterative RLHF
von: Gauthier, Etienne, et al.
Veröffentlicht: (2026)

Neural Collapse is Globally Optimal in Deep Regularized ResNets and Transformers
von: Súkeník, Peter, et al.
Veröffentlicht: (2025)

Adaptive-CaRe: Adaptive Causal Regularization for Robust Outcome Prediction
von: Bhasker, Nithya, et al.
Veröffentlicht: (2026)

Nonlinear Sparse Generalized Canonical Correlation Analysis for Multi-view High-dimensional Data
von: Wu, Rong, et al.
Veröffentlicht: (2025)

Correlating Cross-Iteration Noise for DP-SGD using Model Curvature
von: Gu, Xin, et al.
Veröffentlicht: (2025)

Subspace Clustering of Subspaces: Unifying Canonical Correlation Analysis and Subspace Clustering
von: Karakasis, Paris A., et al.
Veröffentlicht: (2025)

InfoDPCCA: Information-Theoretic Dynamic Probabilistic Canonical Correlation Analysis
von: Tang, Shiqin, et al.
Veröffentlicht: (2025)

Decision-focused Sensing and Forecasting for Adaptive and Rapid Flood Response: An Implicit Learning Approach
von: Sun, Qian, et al.
Veröffentlicht: (2025)

LLMSynthor: Macro-Aligned Micro-Records Synthesis with Large Language Models
von: Tang, Yihong, et al.
Veröffentlicht: (2025)

Deep State-Space Generative Model For Correlated Time-to-Event Predictions
von: Xue, Yuan, et al.
Veröffentlicht: (2024)

Multi-class Seismic Building Damage Assessment from InSAR Imagery using Quadratic Variational Causal Bayesian Inference
von: Li, Xuechun, et al.
Veröffentlicht: (2025)

Neural Collapse in Cumulative Link Models for Ordinal Regression: An Analysis with Unconstrained Feature Model
von: Ma, Chuang, et al.
Veröffentlicht: (2025)

Understanding and Preventing Entropy Collapse in RLVR with On-Policy Entropy Flow Optimization
von: Xu, Huimin, et al.
Veröffentlicht: (2026)

Multiview Canonical Correlation Analysis for Automatic Pathological Speech Detection
von: Kaloga, Yacouba, et al.
Veröffentlicht: (2024)

Preventing Representational Rank Collapse in MPNNs by Splitting the Computational Graph
von: Roth, Andreas, et al.
Veröffentlicht: (2024)

Feature Normalization Prevents Collapse of Non-contrastive Learning Dynamics
von: Bao, Han
Veröffentlicht: (2023)

Deep Reinforcement Learning in Factor Investment
von: Liu, Junlin
Veröffentlicht: (2025)

KL-Regularized Reinforcement Learning is Designed to Mode Collapse
von: GX-Chen, Anthony, et al.
Veröffentlicht: (2025)

MoLF: Mixture-of-Latent-Flow for Pan-Cancer Spatial Gene Expression Prediction from Histology
von: Hu, Susu, et al.
Veröffentlicht: (2026)

Estimating Real Demand Using a Flipped Queueing Model: A Case of Shared Micro-Mobility Services
von: Yang, Binyu, et al.
Veröffentlicht: (2025)

Conditional Deep Canonical Time Warping
von: Steinberg, Afek, et al.
Veröffentlicht: (2024)

Solving Oversmoothing in GNNs via Nonlocal Message Passing: Algebraic Smoothing and Depth Scalability
von: Guan, Weiqi, et al.
Veröffentlicht: (2025)

Preventing Collapse in Contrastive Learning with Orthonormal Prototypes (CLOP)
von: Li, Huanran, et al.
Veröffentlicht: (2024)