Buchumschlag

Class-based Subset Selection for Transfer Learning under Extreme Label Shift

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Goyal, Akul, Edwards, Carl
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

Leveraging Data Symmetries to Select an Optimal Subset of Training Data under Label Noise
von: Shubham, Kumar, et al.
Veröffentlicht: (2026)

Selecting Subsets of Source Data for Transfer Learning with Applications in Metal Additive Manufacturing
von: Tang, Yifan, et al.
Veröffentlicht: (2024)

DataS^3: Dataset Subset Selection for Specialization
von: Hulkund, Neha, et al.
Veröffentlicht: (2025)

Bandit Guided Submodular Curriculum for Adaptive Subset Selection
von: Chanda, Prateek, et al.
Veröffentlicht: (2025)

Learning Distinguishable Representations in Deep Q-Networks for Linear Transfer
von: Sathish, Sooraj, et al.
Veröffentlicht: (2025)

GRACE: Graph Neural Networks for Locus-of-Care Prediction under Extreme Class Imbalance
von: Kumar, Subham, et al.
Veröffentlicht: (2025)

Addressing Label Shift in Distributed Learning via Entropy Regularization
von: Wu, Zhiyuan, et al.
Veröffentlicht: (2025)

TMLC-Net: Transferable Meta Label Correction for Noisy Label Learning
von: Li, Mengyang
Veröffentlicht: (2025)

Conformal Prediction of Classifiers with Many Classes based on Noisy Labels
von: Penso, Coby, et al.
Veröffentlicht: (2025)

An Unbiased Risk Estimator for Partial Label Learning with Augmented Classes
von: Hu, Jiayu, et al.
Veröffentlicht: (2024)

Feature Subset Weighting for Distance-based Supervised Learning through Choquet Integration
von: Theerens, Adnan, et al.
Veröffentlicht: (2025)

You Only Train Once: Differentiable Subset Selection for Omics Data
von: Chopard, Daphné, et al.
Veröffentlicht: (2025)

Scales++: Compute Efficient Evaluation Subset Selection with Cognitive Scales Embeddings
von: Bean, Andrew M., et al.
Veröffentlicht: (2025)

Tackling Electrode Shift In Gesture Recognition with HD-EMG Electrode Subsets
von: Pereira, Joao, et al.
Veröffentlicht: (2024)

Learning under Temporal Label Noise
von: Nagaraj, Sujay, et al.
Veröffentlicht: (2024)

Federated Active Learning Under Extreme Non-IID and Global Class Imbalance
von: Zong, Chen-Chen, et al.
Veröffentlicht: (2026)

Market-Driven Subset Selection for Budgeted Training
von: Jha, Ashish, et al.
Veröffentlicht: (2025)

Multi-Label Transfer Learning in Non-Stationary Data Streams
von: Du, Honghui, et al.
Veröffentlicht: (2025)

Mitigating Label Shift in Tabular In-Context Learning via Test-Time Posterior Adjustment
von: Lee, Seunghan
Veröffentlicht: (2026)

An Enhanced Federated Prototype Learning Method under Domain Shift
von: Kuang, Liang, et al.
Veröffentlicht: (2024)

Spectral Invariant Learning for Dynamic Graphs under Distribution Shifts
von: Zhang, Zeyang, et al.
Veröffentlicht: (2024)

Learning Stable Predictors from Weak Supervision under Distribution Shift
von: Shoeibi, Mehrdad, et al.
Veröffentlicht: (2026)

Aligning Evaluation with Clinical Priorities: Calibration, Label Shift, and Error Costs
von: Flores, Gerardo A., et al.
Veröffentlicht: (2025)

E2PL: Effective and Efficient Prompt Learning for Incomplete Multi-view Multi-Label Class Incremental Learning
von: Chen, Jiajun, et al.
Veröffentlicht: (2026)

FedLED: Label-Free Equipment Fault Diagnosis with Vertical Federated Transfer Learning
von: Shen, Jie, et al.
Veröffentlicht: (2023)

Graphs Generalization under Distribution Shifts
von: Tian, Qin, et al.
Veröffentlicht: (2024)

When Noisy Labels Meet Class Imbalance on Graphs: A Graph Augmentation Method with LLM and Pseudo Label
von: Xia, Riting, et al.
Veröffentlicht: (2025)

Adaptive Shielding for Safe Reinforcement Learning under Hidden-Parameter Dynamics Shifts
von: Kwon, Minjae, et al.
Veröffentlicht: (2025)

A Confidence-Variance Theory for Pseudo-Label Selection in Semi-Supervised Learning
von: Liu, Jinshi, et al.
Veröffentlicht: (2026)

Online Multi-Label Classification under Noisy and Changing Label Distribution
von: Zou, Yizhang, et al.
Veröffentlicht: (2024)

Graph Pruning for Enumeration of Minimal Unsatisfiable Subsets
von: Lymperopoulos, Panagiotis, et al.
Veröffentlicht: (2024)

A Machine Learning Framework for Handling Unreliable Absence Label and Class Imbalance for Marine Stinger Beaching Prediction
von: Ibenegbu, Amuche, et al.
Veröffentlicht: (2025)

UniDEC : Unified Dual Encoder and Classifier Training for Extreme Multi-Label Classification
von: Kharbanda, Siddhant, et al.
Veröffentlicht: (2024)

CroSel: Cross Selection of Confident Pseudo Labels for Partial-Label Learning
von: Tian, Shiyu, et al.
Veröffentlicht: (2023)

Model Selection with a Shapelet-based Distance Measure for Multi-source Transfer Learning in Time Series Classification
von: Lee, Jiseok, et al.
Veröffentlicht: (2024)

Improving Open-world Continual Learning under the Constraints of Scarce Labeled Data
von: Li, Yujie, et al.
Veröffentlicht: (2025)

Weak-to-Strong Generalization under Distribution Shifts
von: Jeon, Myeongho, et al.
Veröffentlicht: (2025)

Memory-enhanced Invariant Prompt Learning for Urban Flow Prediction under Distribution Shifts
von: Jiang, Haiyang, et al.
Veröffentlicht: (2024)

GeSS: Benchmarking Geometric Deep Learning under Scientific Applications with Distribution Shifts
von: Zou, Deyu, et al.
Veröffentlicht: (2023)

Multimodal Deep Generative Model for Semi-Supervised Learning under Class Imbalance
von: Yoon, Heegeon, et al.
Veröffentlicht: (2026)