Buchumschlag

A Unified Empirical Risk Minimization Framework for Flexible N-Tuples Weak Supervision

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Huang, Shuying, Li, Junpeng, Hua, Changchun, Yang, Yana
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

A Unified and Stable Risk Minimization Framework for Weakly Supervised Learning with Theoretical Guarantees
von: Zhang, Miao, et al.
Veröffentlicht: (2025)

Learning from M-Tuple Dominant Positive and Unlabeled Data
von: Qin, Jiahe, et al.
Veröffentlicht: (2025)

Risk-Consistent Multiclass Learning from Random Label-Subset Membership Queries
von: Su, Jiaxu, et al.
Veröffentlicht: (2026)

Learning from N-Tuple Data with M Positive Instances: Unbiased Risk Estimation and Theoretical Guarantees
von: Zhang, Miao, et al.
Veröffentlicht: (2025)

Cost-Sensitive Unbiased Risk Estimation for Multi-Class Positive-Unlabeled Learning
von: Zhang, Miao, et al.
Veröffentlicht: (2025)

Structure-Preserving Margin Distribution Learning for High-Order Tensor Data with Low-Rank Decomposition
von: Xu, Yang, et al.
Veröffentlicht: (2025)

Weakly Supervised AUC Optimization: A Unified Partial AUC Approach
von: Xie, Zheng, et al.
Veröffentlicht: (2023)

Multi-View Graph Learning with Graph-Tuple
von: Chen, Shiyu, et al.
Veröffentlicht: (2025)

Unified Approach for Weakly Supervised Multicalibration
von: Futami, Futoshi, et al.
Veröffentlicht: (2026)

f-FERM: A Scalable Framework for Robust Fair Empirical Risk Minimization
von: Baharlouei, Sina, et al.
Veröffentlicht: (2023)

Universal Rates of Empirical Risk Minimization
von: Hanneke, Steve, et al.
Veröffentlicht: (2024)

FastBUS: A Fast Bayesian Framework for Unified Weakly-Supervised Learning
von: Wang, Ziquan, et al.
Veröffentlicht: (2026)

Empirical Risk Minimization with $f$-Divergence Regularization
von: Daunas, Francisco, et al.
Veröffentlicht: (2026)

On the Performance of Empirical Risk Minimization with Smoothed Data
von: Block, Adam, et al.
Veröffentlicht: (2024)

A Researcher's Guide to Empirical Risk Minimization
von: van der Laan, Lars
Veröffentlicht: (2026)

Semi-Supervised Learning with Balanced Deep Representation Distributions
von: Li, Changchun, et al.
Veröffentlicht: (2026)

On the Variance, Admissibility, and Stability of Empirical Risk Minimization
von: Kur, Gil, et al.
Veröffentlicht: (2023)

A General Framework for Learning from Weak Supervision
von: Chen, Hao, et al.
Veröffentlicht: (2024)

A Dual Optimization View to Empirical Risk Minimization with f-Divergence Regularization
von: Daunas, Francisco, et al.
Veröffentlicht: (2025)

Asymmetry of the Relative Entropy in the Regularization of Empirical Risk Minimization
von: Daunas, Francisco, et al.
Veröffentlicht: (2024)

Optimal Empirical Risk Minimization under Temporal Distribution Shifts
von: Jeong, Yujin, et al.
Veröffentlicht: (2025)

Asymptotic Theory of Iterated Empirical Risk Minimization, with Applications to Active Learning
von: Cui, Hugo, et al.
Veröffentlicht: (2026)

Characterization of Gaussian Universality Breakdown in High-Dimensional Empirical Risk Minimization
von: Yaakoubi, Chiheb, et al.
Veröffentlicht: (2026)

Specifying and Solving Robust Empirical Risk Minimization Problems Using CVXPY
von: Luxenberg, Eric, et al.
Veröffentlicht: (2023)

Empirical Risk Minimization with Relative Entropy Regularization
von: Perlaza, Samir M., et al.
Veröffentlicht: (2022)

Weakly Supervised Label Learning Flows
von: Lu, You, et al.
Veröffentlicht: (2023)

A Simpler Alternative to Variational Regularized Counterfactual Risk Minimization
von: Bakker, Hua Chang, et al.
Veröffentlicht: (2024)

Equivalence of the Empirical Risk Minimization to Regularization on the Family of f-Divergences
von: Daunas, Francisco, et al.
Veröffentlicht: (2024)

Optimal Excess Risk Bounds for Empirical Risk Minimization on $p$-Norm Linear Regression
von: Hanchi, Ayoub El, et al.
Veröffentlicht: (2023)

Benefits of Online Tilted Empirical Risk Minimization: A Case Study of Outlier Detection and Robust Regression
von: Yildirim, Yigit E., et al.
Veröffentlicht: (2025)

A Differentially Private Weighted Empirical Risk Minimization Procedure and its Application to Outcome Weighted Learning
von: Giddens, Spencer, et al.
Veröffentlicht: (2023)

ScriptoriumWS: A Code Generation Assistant for Weak Supervision
von: Huang, Tzu-Heng, et al.
Veröffentlicht: (2025)

Weakly Supervised Anomaly Detection via Knowledge-Data Alignment
von: Zhao, Haihong, et al.
Veröffentlicht: (2024)

Empirical Risk Minimization with Shuffled SGD: A Primal-Dual Perspective and Improved Bounds
von: Cai, Xufeng, et al.
Veröffentlicht: (2023)

A Lower Bound and a Near-Optimal Algorithm for Bilevel Empirical Risk Minimization
von: Dagréou, Mathieu, et al.
Veröffentlicht: (2023)

Bringing Clustering to MLL: Weakly-Supervised Clustering for Partial Multi-Label Learning
von: Chen, Yu, et al.
Veröffentlicht: (2026)

OmniISR: A Unified Framework for Centralized and Federated Learning via Intermediate Supervision and Regularization
von: Kou, Wei-Bin, et al.
Veröffentlicht: (2026)

Exact Instance Compression for Convex Empirical Risk Minimization via Color Refinement
von: Zhu, Bryan, et al.
Veröffentlicht: (2026)

Weakly-Supervised Multimodal Learning on MIMIC-CXR
von: Agostini, Andrea, et al.
Veröffentlicht: (2024)

Generalizability of Neural Networks Minimizing Empirical Risk Based on Expressive Ability
von: Yu, Lijia, et al.
Veröffentlicht: (2025)