Buchumschlag

Edgeworth Expansion for Semi-hard Triplet Loss

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Kimura, Masanari
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

Geometric Insights into Focal Loss: Reducing Curvature for Enhanced Model Calibration
von: Kimura, Masanari, et al.
Veröffentlicht: (2024)

Higher-Order Asymptotics of Test-Time Adaptation for Batch Normalization Statistics
von: Kimura, Masanari
Veröffentlicht: (2025)

Graph-Smoothed Bayesian Black-Box Shift Estimator and Its Information Geometry
von: Kimura, Masanari
Veröffentlicht: (2025)

Information Geometry of Absorbing Markov-Chain and Discriminative Random Walks
von: Kimura, Masanari
Veröffentlicht: (2026)

Understanding Test-Time Augmentation
von: Kimura, Masanari
Veröffentlicht: (2024)

Heteroscedastic Double Bayesian Elastic Net
von: Kimura, Masanari
Veröffentlicht: (2025)

Density Ratio Estimation via Sampling along Generalized Geodesics on Statistical Manifolds
von: Kimura, Masanari, et al.
Veröffentlicht: (2024)

Generalized Power Priors for Improved Bayesian Inference with Historical Data
von: Kimura, Masanari, et al.
Veröffentlicht: (2025)

Theoretical and Practical Analysis of Fréchet Regression via Comparison Geometry
von: Kimura, Masanari, et al.
Veröffentlicht: (2025)

Test-Time Augmentation Meets Variational Bayes
von: Kimura, Masanari, et al.
Veröffentlicht: (2024)

A Short Survey on Importance Weighting for Machine Learning
von: Kimura, Masanari, et al.
Veröffentlicht: (2024)

CLT and Edgeworth Expansion for m-out-of-n Bootstrap Estimators of The Studentized Median
von: Banerjee, Imon, et al.
Veröffentlicht: (2025)

Learning Majority-to-Minority Transformations with MMD and Triplet Loss for Imbalanced Classification
von: Cha, Suman, et al.
Veröffentlicht: (2025)

On permutation-invariant neural networks
von: Kimura, Masanari, et al.
Veröffentlicht: (2024)

Edgeworth Accountant: An Analytical Approach to Differential Privacy Composition
von: Wang, Hua, et al.
Veröffentlicht: (2022)

Maintaining Difficulty: A Margin Scheduler for Triplet Loss in Siamese Networks Training
von: Tomchak, Roberto Sprengel Minozzo, et al.
Veröffentlicht: (2026)

Leveraging Geometric Insights in Hyperbolic Triplet Loss for Improved Recommendations
von: Yusupov, Viacheslav, et al.
Veröffentlicht: (2025)

Optimal Non-Asymptotic Edgeworth Expansions for Multivariate Neural Network Outputs
von: Celli, Lucia
Veröffentlicht: (2026)

Triplet Loss Based Quantum Encoding for Class Separability
von: Mordacci, Marco, et al.
Veröffentlicht: (2025)

Comparing Contrastive and Triplet Loss: Variance Analysis and Optimization Behavior
von: Zeng, Donghuo
Veröffentlicht: (2025)

TripleSurv: Triplet Time-adaptive Coordinate Loss for Survival Analysis
von: Zhang, Liwen, et al.
Veröffentlicht: (2024)

LACE: Loss-Adaptive Capacity Expansion for Continual Learning
von: Tathe, Shivnath
Veröffentlicht: (2026)

Explaining Black-box Model Predictions via Two-level Nested Feature Attributions with Consistency Property
von: Yoshikawa, Yuya, et al.
Veröffentlicht: (2024)

Improving Perceptual Audio Aesthetic Assessment via Triplet Loss and Self-Supervised Embeddings
von: Wisnu, Dyah A. M. G., et al.
Veröffentlicht: (2025)

Triplet Interaction Improves Graph Transformers: Accurate Molecular Graph Learning with Triplet Graph Transformers
von: Hussain, Md Shamim, et al.
Veröffentlicht: (2024)

Multi-Task Learning with Multi-Annotation Triplet Loss for Improved Object Detection
von: Zhou, Meilun, et al.
Veröffentlicht: (2025)

FedAnchor: Enhancing Federated Semi-Supervised Learning with Label Contrastive Loss for Unlabeled Clients
von: Qiu, Xinchi, et al.
Veröffentlicht: (2024)

Harnessing the Power of Semi-Structured Knowledge and LLMs with Triplet-Based Prefiltering for Question Answering
von: Boer, Derian, et al.
Veröffentlicht: (2024)

Unsupervised Deep Clustering of MNIST with Triplet-Enhanced Convolutional Autoencoders
von: Ansari, Md. Faizul Islam
Veröffentlicht: (2025)

A Fashion Item Recommendation Model in Hyperbolic Space
von: Shimizu, Ryotaro, et al.
Veröffentlicht: (2024)

Atoms as Language: VQ-Atom: Semantic Discretization for Molecular Representation Learning
von: Kimura, Takayuki
Veröffentlicht: (2026)

Conditional Similarity Triplets Enable Covariate-Informed Representations of Single-Cell Data
von: Chen, Chi-Jane, et al.
Veröffentlicht: (2024)

Sepsis Prediction Using Graph Convolutional Networks over Patient-Feature-Value Triplets
von: Dan, Bozhi, et al.
Veröffentlicht: (2025)

Deep Polynomial Chaos Expansion
von: Exenberger, Johannes, et al.
Veröffentlicht: (2025)

What makes unlearning hard and what to do about it
von: Zhao, Kairan, et al.
Veröffentlicht: (2024)

Probing Implicit Bias in Semi-gradient Q-learning: Visualizing the Effective Loss Landscapes via the Fokker--Planck Equation
von: Yin, Shuyu, et al.
Veröffentlicht: (2024)

AnyLoss: Transforming Classification Metrics into Loss Functions
von: Han, Doheon, et al.
Veröffentlicht: (2024)

Lai Loss: A Novel Loss for Gradient Control
von: Lai, YuFei
Veröffentlicht: (2024)

Polynomial Chaos Expansion for Operator Learning
von: Sharma, Himanshu, et al.
Veröffentlicht: (2025)

Diminishing Return of Value Expansion Methods
von: Palenicek, Daniel, et al.
Veröffentlicht: (2024)