:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Sohail, Shairoz
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence I.2.4
Online-Zugang:	https://arxiv.org/abs/2411.05296
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Towards a Measure of Algorithm Similarity
von: Sohail, Shairoz, et al.
Veröffentlicht: (2025)

EGEAN: An Exposure-Guided Embedding Alignment Network for Post-Click Conversion Estimation
von: Feng, Huajian, et al.
Veröffentlicht: (2024)

VN Network: Embedding Newly Emerging Entities with Virtual Neighbors
von: He, Yongquan, et al.
Veröffentlicht: (2024)

Endowing Interpretability for Neural Cognitive Diagnosis by Efficient Kolmogorov-Arnold Networks
von: Yang, Shangshang, et al.
Veröffentlicht: (2024)

Arithmetic Feature Interaction Is Necessary for Deep Tabular Learning
von: Cheng, Yi, et al.
Veröffentlicht: (2024)

Inductive Link Prediction on N-ary Relational Facts via Semantic Hypergraph Reasoning
von: Yin, Gongzhu, et al.
Veröffentlicht: (2025)

Ignite Forecasting with SPARK: An Efficient Generative Framework for Refining LLMs in Temporal Knowledge Graph Forecasting
von: Yin, Gongzhu, et al.
Veröffentlicht: (2025)

HEHRGNN: A Unified Embedding Model for Knowledge Graphs with Hyperedges and Hyper-Relational Edges
von: Rajagopalamenon, Rajesh, et al.
Veröffentlicht: (2026)

Ground-Compose-Reinforce: Grounding Language in Agentic Behaviours using Limited Data
von: Li, Andrew C., et al.
Veröffentlicht: (2025)

A Comprehensive Survey of Deep Transfer Learning for Anomaly Detection in Industrial Time Series: Methods, Applications, and Directions
von: Yan, Peng, et al.
Veröffentlicht: (2023)

Generative and Contrastive Graph Representation Learning
von: Chen, Jiali, et al.
Veröffentlicht: (2025)

Compositional Concept-Based Neuron-Level Interpretability for Deep Reinforcement Learning
von: Jiang, Zeyu, et al.
Veröffentlicht: (2025)

Inverse-Free Wilson Loops for Transformers: A Practical Diagnostic for Invariance and Order Sensitivity
von: Chang, Edward Y., et al.
Veröffentlicht: (2025)

A Self-explainable Model of Long Time Series by Extracting Informative Structured Causal Patterns
von: Wang, Ziqian, et al.
Veröffentlicht: (2025)

Learning Actionable World Models for Industrial Process Control
von: Yan, Peng, et al.
Veröffentlicht: (2025)

Sycophancy as compositions of Atomic Psychometric Traits
von: Jain, Shreyans, et al.
Veröffentlicht: (2025)

Comparison of Metadata Representation Models for Knowledge Graph Embeddings
von: Egami, Shusaku, et al.
Veröffentlicht: (2025)

Causal Discovery Inspired Unsupervised Domain Adaptation for Emotion-Cause Pair Extraction
von: Hua, Yuncheng, et al.
Veröffentlicht: (2024)

Evaluating Financial Relational Graphs: Interpretation Before Prediction
von: Niu, Yingjie, et al.
Veröffentlicht: (2024)

Modality Interactive Mixture-of-Experts for Fake News Detection
von: Liu, Yifan, et al.
Veröffentlicht: (2025)

Generative Modeling in Protein Design: Neural Representations, Conditional Generation, and Evaluation Standards
von: Wanasekara, Senura Hansaja, et al.
Veröffentlicht: (2026)

FED-FSTQ: Fisher-Guided Token Quantization for Communication-Efficient Federated Fine-Tuning of LLMs on Edge Devices
von: Li, Changyu, et al.
Veröffentlicht: (2026)

On the Push-Based Asynchronous Federated Learning: A Bias-Correction Aggregation Approach
von: Bai, Jiahui, et al.
Veröffentlicht: (2026)

Byzantine-Resilient Federated Learning via QUBO-Based Client Selection on Quantum Annealers
von: Ferenczi, Andras, et al.
Veröffentlicht: (2026)

SAGE: Scale-Aware Gradual Evolution for Continual Knowledge Graph Embedding
von: Li, Yifei, et al.
Veröffentlicht: (2025)

Empowering VLMs for Few-Shot Multimodal Time Series Classification via Tailored Agentic Reasoning
von: Li, Lin, et al.
Veröffentlicht: (2026)

Learning, Fast and Slow: Towards LLMs That Adapt Continually
von: Tiwari, Rishabh, et al.
Veröffentlicht: (2026)

Rotation Invariant Quantization for Model Compression
von: Kampeas, Joseph, et al.
Veröffentlicht: (2023)

Logic-based Explanations for Linear Support Vector Classifiers with Reject Option
von: Filho, Francisco Mateus Rocha, et al.
Veröffentlicht: (2024)

An Incremental MaxSAT-based Model to Learn Interpretable and Balanced Classification Rules
von: Júnior, Antônio Carlos Souza Ferreira, et al.
Veröffentlicht: (2024)

Probabilities of the Third Type: Statistical Relational Learning and Reasoning with Relative Frequencies
von: Weitkämper, Felix
Veröffentlicht: (2022)

Self-Supervised Learning of Time Series Representation via Diffusion Process and Imputation-Interpolation-Forecasting Mask
von: Senane, Zineb, et al.
Veröffentlicht: (2024)

Unveiling the Secret Recipe: A Guide For Supervised Fine-Tuning Small LLMs
von: Pareja, Aldo, et al.
Veröffentlicht: (2024)

Heterogeneous network and graph attention auto-encoder for LncRNA-disease association prediction
von: Liu, Jin-Xing, et al.
Veröffentlicht: (2024)

Graph Language Models
von: Plenz, Moritz, et al.
Veröffentlicht: (2024)

Learning What Matters: Probabilistic Task Selection via Mutual Information for Model Finetuning
von: Chanda, Prateek, et al.
Veröffentlicht: (2025)

Neurosymbolic Feature Extraction for Identifying Forced Labor in Supply Chains
von: Wang, Zili, et al.
Veröffentlicht: (2025)

LinkLogic: A New Method and Benchmark for Explainable Knowledge Graph Predictions
von: Kumar-Singh, Niraj, et al.
Veröffentlicht: (2024)

On The Expressive Power of Knowledge Graph Embedding Methods
von: Gao, Jiexing, et al.
Veröffentlicht: (2024)

ExplainReduce: Generating global explanations from many local explanations
von: Seppäläinen, Lauri, et al.
Veröffentlicht: (2025)