Buchumschlag

Mixup Regularization: A Probabilistic Perspective

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	El-Laham, Yousef, Dalmasso, Niccolò, Vyetrenko, Svitlana, Potluru, Vamsi K., Veloso, Manuela
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

Augment on Manifold: Mixup Regularization with UMAP
von: El-Laham, Yousef, et al.
Veröffentlicht: (2023)

Neural Stochastic Differential Equations with Change Points: A Generative Adversarial Approach
von: Sun, Zhongchang, et al.
Veröffentlicht: (2023)

LSCD: Lomb-Scargle Conditioned Diffusion for Time series Imputation
von: Fons, Elizabeth, et al.
Veröffentlicht: (2025)

FairWASP: Fast and Optimal Fair Wasserstein Pre-processing
von: Xiong, Zikai, et al.
Veröffentlicht: (2023)

Auditing and Enforcing Conditional Fairness via Optimal Transport
von: Ghassemi, Mohsen, et al.
Veröffentlicht: (2024)

Variational Neural Stochastic Differential Equations with Change Points
von: El-Laham, Yousef, et al.
Veröffentlicht: (2024)

Fair Wasserstein Coresets
von: Xiong, Zikai, et al.
Veröffentlicht: (2023)

Beyond Linear Diffusions: Improved Representations for Rare Conditional Generative Modeling
von: Dharmakeerthi, Kulunu, et al.
Veröffentlicht: (2025)

Breaking Distortion-free Watermarks in Large Language Models
von: Reynolds, Shayleen, et al.
Veröffentlicht: (2025)

Synthetic Data Applications in Finance
von: Potluru, Vamsi K., et al.
Veröffentlicht: (2023)

Six Levels of Privacy: A Framework for Financial Synthetic Data
von: Balch, Tucker, et al.
Veröffentlicht: (2024)

Explicit Group Sparse Projection with Applications to Deep Learning and NMF
von: Ohib, Riyasat, et al.
Veröffentlicht: (2019)

A Language Model-Guided Framework for Mining Time Series with Distributional Shifts
von: Zhu, Haibei, et al.
Veröffentlicht: (2024)

Distributionally and Adversarially Robust Logistic Regression via Intersecting Wasserstein Balls
von: Selvi, Aras, et al.
Veröffentlicht: (2024)

TS-Agent: Understanding and Reasoning Over Raw Time Series via Iterative Insight Gathering
von: Liu, Penghang, et al.
Veröffentlicht: (2025)

Multi-Modal Financial Time-Series Retrieval Through Latent Space Projections
von: Bamford, Tom, et al.
Veröffentlicht: (2023)

Defending Diffusion Models Against Membership Inference Attacks via Higher-Order Langevin Dynamics
von: Sterling, Benjamin, et al.
Veröffentlicht: (2025)

A supervised generative optimization approach for tabular data
von: Nakamura-Sakai, Shinpei, et al.
Veröffentlicht: (2023)

On Mixup Regularization
von: Carratino, Luigi, et al.
Veröffentlicht: (2020)

Privacy-Aware Time Series Synthesis via Public Knowledge Distillation
von: Liu, Penghang, et al.
Veröffentlicht: (2025)

GraphMaker: Can Diffusion Models Generate Large Attributed Graphs?
von: Li, Mufei, et al.
Veröffentlicht: (2023)

Dynamic Linear Coregionalization for Realistic Synthetic Multivariate Time Series
von: Vapsi, Annita, et al.
Veröffentlicht: (2026)

Downstream Task-Oriented Generative Model Selections on Synthetic Data Training for Fraud Detection Models
von: Cheng, Yinan, et al.
Veröffentlicht: (2024)

On the Inherent Privacy Properties of Discrete Denoising Diffusion Models
von: Wei, Rongzhe, et al.
Veröffentlicht: (2023)

CAARMA: Class Augmentation with Adversarial Mixup Regularization
von: Baali, Massa, et al.
Veröffentlicht: (2025)

Robust Learning Rate Selection for Stochastic Optimization via Splitting Diagnostic
von: Sordello, Matteo, et al.
Veröffentlicht: (2019)

Likelihood-Free Frequentist Inference: Bridging Classical Statistics and Machine Learning for Reliable Simulator-Based Inference
von: Dalmasso, Niccolò, et al.
Veröffentlicht: (2021)

Adversarial Mixup Unlearning
von: Peng, Zhuoyi, et al.
Veröffentlicht: (2025)

Underestimated Privacy Risks for Minority Populations in Large Language Model Unlearning
von: Wei, Rongzhe, et al.
Veröffentlicht: (2024)

Scalable Representation Learning for Multimodal Tabular Transactions
von: Raman, Natraj, et al.
Veröffentlicht: (2024)

Causally-Constrained Probabilistic Forecasting for Time-Series Anomaly Detection
von: Khosravinia, Pooyan, et al.
Veröffentlicht: (2026)

Linearly Convergent Mixup Learning
von: Obi, Gakuto, et al.
Veröffentlicht: (2025)

Prune 'n Predict: Optimizing LLM Decision-making with Conformal Prediction
von: Vishwakarma, Harit, et al.
Veröffentlicht: (2024)

Tailoring Mixup to Data for Calibration
von: Bouniot, Quentin, et al.
Veröffentlicht: (2023)

On the Equivalence of Graph Convolution and Mixup
von: Han, Xiaotian, et al.
Veröffentlicht: (2023)

Time-RA: Towards Time Series Reasoning for Anomaly Diagnosis with LLM Feedback
von: Yang, Yiyuan, et al.
Veröffentlicht: (2025)

Pushing Boundaries: Mixup's Influence on Neural Collapse
von: Fisher, Quinn, et al.
Veröffentlicht: (2024)

A Probabilistic Perspective on Model Collapse
von: Xu, Shirong, et al.
Veröffentlicht: (2025)

$\boldsymbolλ$-Orthogonality Regularization for Compatible Representation Learning
von: Ricci, Simone, et al.
Veröffentlicht: (2025)

Mixup Augmentation with Multiple Interpolations
von: Shen, Lifeng, et al.
Veröffentlicht: (2024)