Buchumschlag

Estimation of the Learning Coefficient Using Empirical Loss

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Takio, Tatsuyoshi, Suzuki, Joe
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Policies of Multiple Skill Levels for Better Strength Estimation in Games
von: Kuboki, Kyota, et al.
Veröffentlicht: (2025)

An Efficient Procedure for Computing Bayesian Network Structure Learning
von: Huang, Hongming, et al.
Veröffentlicht: (2024)

Learning under Singularity: An Information Criterion improving WBIC and sBIC
von: Liu, Lirui, et al.
Veröffentlicht: (2024)

Doing well with less! On Sampling Techniques for Empirical Pairwise Loss Estimation/Minimization
von: Davy, Louise, et al.
Veröffentlicht: (2026)

Estimating the Local Learning Coefficient at Scale
von: Furman, Zach, et al.
Veröffentlicht: (2024)

Revisiting Training Scale: An Empirical Study of Token Count, Power Consumption, and Parameter Efficiency
von: Dwyer, Joe
Veröffentlicht: (2026)

Modes of Sequence Models and Learning Coefficients
von: Chen, Zhongtian, et al.
Veröffentlicht: (2025)

Analysis of Using Sigmoid Loss for Contrastive Learning
von: Lee, Chungpa, et al.
Veröffentlicht: (2024)

An Empirical Study on Noisy Data and LLM Pretraining Loss Divergence
von: Zhang, Qizhen, et al.
Veröffentlicht: (2026)

Revisiting Auxiliary Losses for Conditional Depth Routing: An Empirical Study
von: Lin, Qingwei
Veröffentlicht: (2026)

Estimating the Optimal Number of Clusters in Categorical Data Clustering by Silhouette Coefficient
von: Dinh, Duy-Tai, et al.
Veröffentlicht: (2025)

An Improved Model-Free Decision-Estimation Coefficient with Applications in Adversarial MDPs
von: Liu, Haolin, et al.
Veröffentlicht: (2025)

Operationalizing Longitudinal Causal Discovery Under Real-World Workflow Constraints
von: Okuda, Tadahisa, et al.
Veröffentlicht: (2026)

Interval Estimation of Coefficients in Penalized Regression Models of Insurance Data
von: Manna, Alokesh, et al.
Veröffentlicht: (2024)

Estimating the Mixing Coefficients of Geometrically Ergodic Markov Processes
von: Grünewälder, Steffen, et al.
Veröffentlicht: (2024)

Dropout Drops Double Descent
von: Yang, Tian-Le, et al.
Veröffentlicht: (2023)

One-shot Empirical Privacy Estimation for Federated Learning
von: Andrew, Galen, et al.
Veröffentlicht: (2023)

Binary Losses for Density Ratio Estimation
von: Zellinger, Werner
Veröffentlicht: (2024)

Newton Losses: Using Curvature Information for Learning with Differentiable Algorithms
von: Petersen, Felix, et al.
Veröffentlicht: (2024)

Spacing Test for Fused Lasso
von: Tasaka, Rieko, et al.
Veröffentlicht: (2025)

NAN: A Training-Free Solution to Coefficient Estimation in Model Merging
von: Si, Chongjie, et al.
Veröffentlicht: (2025)

Improving GBDT Performance on Imbalanced Datasets: An Empirical Study of Class-Balanced Loss Functions
von: Luo, Jiaqi, et al.
Veröffentlicht: (2024)

Generalization of LiNGAM that allows confounding
von: Suzuki, Joe, et al.
Veröffentlicht: (2024)

Approximation and Estimation Ability of Transformers for Sequence-to-Sequence Functions with Infinite Dimensional Input
von: Takakura, Shokichi, et al.
Veröffentlicht: (2023)

Coefficient Shape Transfer Learning for Functional Linear Regression
von: Jiao, Shuhao, et al.
Veröffentlicht: (2025)

Interpretable Machine Learning for Kronecker Coefficients
von: Butbaia, Giorgi, et al.
Veröffentlicht: (2025)

Meta-Learning with Versatile Loss Geometries for Fast Adaptation Using Mirror Descent
von: Zhang, Yilang, et al.
Veröffentlicht: (2023)

Uncertainty Estimation for Path Loss and Radio Metric Models
von: Bose, Alexis, et al.
Veröffentlicht: (2025)

On Evaluating Loss Functions for Stock Ranking: An Empirical Analysis With Transformer Model
von: Kwiatkowski, Jan, et al.
Veröffentlicht: (2025)

Learning with Fitzpatrick Losses
von: Rakotomandimby, Seta, et al.
Veröffentlicht: (2024)

An Empirical Examination of Balancing Strategy for Counterfactual Estimation on Time Series
von: Huang, Qiang, et al.
Veröffentlicht: (2024)

Beyond Accuracy: An Empirical Study of Uncertainty Estimation in Imputation
von: Hossain, Zarin Tahia, et al.
Veröffentlicht: (2025)

Generalized Learning of Coefficients in Spectral Graph Convolutional Networks
von: Coşkun, Mustafa, et al.
Veröffentlicht: (2024)

Unified Algorithms for RL with Decision-Estimation Coefficients: PAC, Reward-Free, Preference-Based Learning, and Beyond
von: Chen, Fan, et al.
Veröffentlicht: (2022)

Using Degeneracy in the Loss Landscape for Mechanistic Interpretability
von: Bushnaq, Lucius, et al.
Veröffentlicht: (2024)

Empirical Error Estimates for Graph Sparsification
von: Wang, Siyao, et al.
Veröffentlicht: (2025)

In-Context Learning Is Provably Bayesian Inference: A Generalization Theory for Meta-Learning
von: Wakayama, Tomoya, et al.
Veröffentlicht: (2025)

Integrating Large Language Models in Causal Discovery: A Statistical Causal Approach
von: Takayama, Masayuki, et al.
Veröffentlicht: (2024)

Latent Variable Modeling for Robust Causal Effect Estimation
von: Morimura, Tetsuro, et al.
Veröffentlicht: (2025)

Empirical Bayesian Multi-Bandit Learning
von: Jiang, Xia, et al.
Veröffentlicht: (2025)