Buchumschlag

Navigating the Effect of Parametrization for Dimensionality Reduction

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Huang, Haiyang, Wang, Yingfan, Rudin, Cynthia
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Dimension Reduction with Locally Adjusted Graphs
von: Wang, Yingfan, et al.
Veröffentlicht: (2024)

Improving Decision Sparsity
von: Sun, Yiyang, et al.
Veröffentlicht: (2024)

"What is Different Between These Datasets?" A Framework for Explaining Data Distribution Shifts
von: Babbar, Varun, et al.
Veröffentlicht: (2024)

The Rashomon Effect for Visualizing High-Dimensional Data
von: Sun, Yiyang, et al.
Veröffentlicht: (2026)

From Rashomon Theory to PRAXIS: Efficient Decision Tree Rashomon Sets
von: Heile, Zakk, et al.
Veröffentlicht: (2026)

Data Poisoning Attacks on Off-Policy Policy Evaluation Methods
von: Lobo, Elita, et al.
Veröffentlicht: (2024)

Sparse learned kernels for interpretable and efficient medical time series processing
von: Chen, Sully F., et al.
Veröffentlicht: (2023)

SiamAF: Learning Shared Information from ECG and PPG Signals for Robust Atrial Fibrillation Detection
von: Guo, Zhicheng, et al.
Veröffentlicht: (2023)

A Double Machine Learning Approach to Combining Experimental and Observational Data
von: Parikh, Harsh, et al.
Veröffentlicht: (2023)

FedNE: Surrogate-Assisted Federated Neighbor Embedding for Dimensionality Reduction
von: Li, Ziwei, et al.
Veröffentlicht: (2024)

Relating tSNE and UMAP to Classical Dimensionality Reduction
von: Draganov, Andrew, et al.
Veröffentlicht: (2023)

Linear Dimensionality Reduction for Word Embeddings in Tabular Data Classification
von: Ressel, Liam, et al.
Veröffentlicht: (2025)

Amazing Things Come From Having Many Good Models
von: Rudin, Cynthia, et al.
Veröffentlicht: (2024)

Towards One Model for Classical Dimensionality Reduction: A Probabilistic Perspective on UMAP and t-SNE
von: Ravuri, Aditya, et al.
Veröffentlicht: (2024)

Preserving Vector Space Properties in Dimensionality Reduction: A Relationship Preserving Loss Framework
von: Weinwurm, Eddi, et al.
Veröffentlicht: (2025)

From Two-Dimensional to Three-Dimensional Environment with Q-Learning: Modeling Autonomous Navigation with Reinforcement Learning and no Libraries
von: Silva, Ergon Cugler de Moraes
Veröffentlicht: (2024)

PAGE: Parametric Generative Explainer for Graph Neural Network
von: Qiu, Yang, et al.
Veröffentlicht: (2024)

MamTiff-CAD: Multi-Scale Latent Diffusion with Mamba+ for Complex Parametric Sequence
von: Deng, Liyuan, et al.
Veröffentlicht: (2025)

Neural Graph Navigation for Intelligent Subgraph Matching
von: Ying, Yuchen, et al.
Veröffentlicht: (2025)

A Dimensionality Reduction Approach for Convolutional Neural Networks
von: Meneghetti, Laura, et al.
Veröffentlicht: (2021)

TraPO: A Semi-Supervised Reinforcement Learning Framework for Boosting LLM Reasoning
von: Yang, Shenzhi, et al.
Veröffentlicht: (2025)

Can LLMs Learn to Reason Robustly under Noisy Supervision?
von: Yang, Shenzhi, et al.
Veröffentlicht: (2026)

Leo Breiman, the Rashomon Effect, and the Occam Dilemma
von: Rudin, Cynthia
Veröffentlicht: (2025)

Parametric Neural Amp Modeling with Active Learning
von: Grötschla, Florian, et al.
Veröffentlicht: (2025)

Instance-Adaptive Parametrization for Amortized Variational Inference
von: Pollastro, Andrea, et al.
Veröffentlicht: (2026)

In-Context Parametric Inference: Point or Distribution Estimators?
von: Mittal, Sarthak, et al.
Veröffentlicht: (2025)

OpInf-LLM: Parametric PDE Solving with LLMs via Operator Inference
von: Wang, Zhuoyuan, et al.
Veröffentlicht: (2026)

Global-Aware Enhanced Spatial-Temporal Graph Recurrent Networks: A New Framework For Traffic Flow Prediction
von: Liu, Haiyang, et al.
Veröffentlicht: (2024)

Empowering GNNs via Edge-Aware Weisfeiler-Leman Algorithm
von: Liu, Meng, et al.
Veröffentlicht: (2022)

FPBoost: Fully Parametric Gradient Boosting for Survival Analysis
von: Archetti, Alberto, et al.
Veröffentlicht: (2024)

On Variance Reduction in Learning Mean Flows
von: Lu, Juanwu, et al.
Veröffentlicht: (2026)

PIG: Physics-Informed Gaussians as Adaptive Parametric Mesh Representations
von: Kang, Namgyu, et al.
Veröffentlicht: (2024)

ABench-Physics: Benchmarking Physical Reasoning in LLMs via High-Difficulty and Dynamic Physics Problems
von: Zhang, Yiming, et al.
Veröffentlicht: (2025)

Parametric Feature Transfer: One-shot Federated Learning with Foundation Models
von: Beitollahi, Mahdi, et al.
Veröffentlicht: (2024)

Synthetic Mixed Training: Scaling Parametric Knowledge Acquisition Beyond RAG
von: Han, Seungju, et al.
Veröffentlicht: (2026)

The Indoor-Training Effect: unexpected gains from distribution shifts in the transition function
von: Bono, Serena, et al.
Veröffentlicht: (2024)

Closing the Gap: Achieving Global Convergence (Last Iterate) of Actor-Critic under Markovian Sampling with Neural Network Parametrization
von: Gaur, Mudit, et al.
Veröffentlicht: (2024)

Equivariant Graph Network Approximations of High-Degree Polynomials for Force Field Prediction
von: Xu, Zhao, et al.
Veröffentlicht: (2024)

Dimensionality Reduction in Sentence Transformer Vector Databases with Fast Fourier Transform
von: Bulgakov, Vitaly, et al.
Veröffentlicht: (2024)

GEPS: Boosting Generalization in Parametric PDE Neural Solvers through Adaptive Conditioning
von: Koupaï, Armand Kassaï, et al.
Veröffentlicht: (2024)