Buchumschlag

Tuning Algorithmic and Architectural Hyperparameters in Graph-Based Semi-Supervised Learning with Provable Guarantees

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Du, Ally Yalei, Huang, Eric, Sharma, Dravyansh
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

Gradient Descent with Provably Tuned Learning-rate Schedules
von: Sharma, Dravyansh
Veröffentlicht: (2025)

Algorithm Design and Stronger Guarantees for the Improving Multi-Armed Bandits Problem
von: Blum, Avrim, et al.
Veröffentlicht: (2025)

Misspecified $Q$-Learning with Sparse Linear Function Approximation: Tight Bounds on Approximation Error
von: Du, Ally Yalei, et al.
Veröffentlicht: (2024)

Provably tuning the ElasticNet across instances
von: Balcan, Maria-Florina, et al.
Veröffentlicht: (2022)

Distribution-dependent Generalization Bounds for Tuning Linear Regression Across Tasks
von: Balcan, Maria-Florina, et al.
Veröffentlicht: (2025)

Learning accurate and interpretable tree-based models
von: Balcan, Maria-Florina, et al.
Veröffentlicht: (2024)

Reconciling Model Multiplicity for Downstream Decision Making
von: Du, Ally Yalei, et al.
Veröffentlicht: (2024)

Algorithm Configuration for Structured Pfaffian Settings
von: Balcan, Maria-Florina, et al.
Veröffentlicht: (2024)

Offline-to-online hyperparameter transfer for stochastic bandits
von: Sharma, Dravyansh, et al.
Veröffentlicht: (2025)

Conservative classifiers do consistently well with improving agents: characterizing statistical and online learning
von: Sharma, Dravyansh, et al.
Veröffentlicht: (2025)

On Learning Verifiers and Implications to Chain-of-Thought Reasoning
von: Balcan, Maria-Florina, et al.
Veröffentlicht: (2025)

Model-Change Active Learning in Graph-Based Semi-Supervised Learning
von: Miller, Kevin, et al.
Veröffentlicht: (2021)

Graph-Based Semi-Supervised Segregated Lipschitz Learning
von: Bozorgnia, Farid, et al.
Veröffentlicht: (2024)

Semi-Supervised Sparse Gaussian Classification: Provable Benefits of Unlabeled Data
von: Azar, Eyar, et al.
Veröffentlicht: (2024)

Deciphering Raw Data in Neuro-Symbolic Learning with Provable Guarantees
von: Tao, Lue, et al.
Veröffentlicht: (2023)

Sample complexity of data-driven tuning of model hyperparameters in neural networks with structured parameter-dependent dual function
von: Balcan, Maria-Florina, et al.
Veröffentlicht: (2025)

Prediction-Powered Semi-Supervised Learning with Online Power Tuning
von: Shoham, Noa, et al.
Veröffentlicht: (2025)

Diffusing to the Top: Boost Graph Neural Networks with Minimal Hyperparameter Tuning
von: Lin, Lequan, et al.
Veröffentlicht: (2024)

Semi-Supervised Learning on Graphs using Graph Neural Networks
von: Chen, Juntong, et al.
Veröffentlicht: (2026)

Meta-Learning Hyperparameters for Parameter Efficient Fine-Tuning
von: Tian, Zichen, et al.
Veröffentlicht: (2026)

Provably Efficient Bayesian Optimization with Unknown Gaussian Process Hyperparameter Estimation
von: Ha, Huong, et al.
Veröffentlicht: (2023)

Hyperparameter Tuning-Based Optimized Performance Analysis of Machine Learning Algorithms for Network Intrusion Detection
von: Tripathy, Sudhanshu Sekhar, et al.
Veröffentlicht: (2025)

Accelerating ERM for data-driven algorithm design using output-sensitive techniques
von: Balcan, Maria-Florina, et al.
Veröffentlicht: (2022)

QLABGrad: a Hyperparameter-Free and Convergence-Guaranteed Scheme for Deep Learning
von: Fu, Minghan, et al.
Veröffentlicht: (2023)

Erasing the Bias: Fine-Tuning Foundation Models for Semi-Supervised Learning
von: Gan, Kai, et al.
Veröffentlicht: (2024)

Generative Bayesian Hyperparameter Tuning
von: Lopes, Hedibert, et al.
Veröffentlicht: (2025)

Algorithmic Guarantees for Distilling Supervised and Offline RL Datasets
von: Gupta, Aaryan, et al.
Veröffentlicht: (2025)

Provably Efficient Off-Policy Adversarial Imitation Learning with Convergence Guarantees
von: Chen, Yilei, et al.
Veröffentlicht: (2024)

Provable Guarantees for Nonlinear Feature Learning in Three-Layer Neural Networks
von: Nichani, Eshaan, et al.
Veröffentlicht: (2023)

Subsidy design for better social outcomes
von: Balcan, Maria-Florina, et al.
Veröffentlicht: (2024)

Contrastive Credibility Propagation for Reliable Semi-Supervised Learning
von: Kutt, Brody, et al.
Veröffentlicht: (2022)

Variational Graph Auto-Encoder Based Inductive Learning Method for Semi-Supervised Classification
von: Yang, Hanxuan, et al.
Veröffentlicht: (2024)

Weakly Supervised Learners for Correction of AI Errors with Provable Performance Guarantees
von: Tyukin, Ivan Y., et al.
Veröffentlicht: (2024)

Principled Architecture-aware Scaling of Hyperparameters
von: Chen, Wuyang, et al.
Veröffentlicht: (2024)

Transformers Provably Learn Algorithmic Solutions for Graph Connectivity, But Only with the Right Data
von: Ye, Qilin, et al.
Veröffentlicht: (2025)

Model-agnostic Selective Labeling with Provable Statistical Guarantees
von: Huang, Huipeng, et al.
Veröffentlicht: (2025)

On the Provable Performance Guarantee of Efficient Reasoning Models
von: Zeng, Hao, et al.
Veröffentlicht: (2025)

Active Learning for Decision Trees with Provable Guarantees
von: Moakhar, Arshia Soltani, et al.
Veröffentlicht: (2026)

Explanation-Preserving Augmentation for Semi-Supervised Graph Representation Learning
von: Chen, Zhuomin, et al.
Veröffentlicht: (2024)

Graph-based Semi-Supervised Learning via Maximum Discrimination
von: Katz, Nadav, et al.
Veröffentlicht: (2026)