Buchumschlag

Data Depth as a Risk

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Castellanos, Arturo, Mozharovskyi, Pavlo
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

Kernel Trace Distance: Quantum Statistical Metric between Measures through RKHS Density Operators
von: Castellanos, Arturo, et al.
Veröffentlicht: (2025)

Anomaly detection using data depth: multivariate case
von: Mozharovskyi, Pavlo, et al.
Veröffentlicht: (2022)

Polar Depth for Potentially Heavy-Tailed Data
von: Clemençon, Stephan, et al.
Veröffentlicht: (2026)

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

Abnormal component analysis
von: Valla, Romain, et al.
Veröffentlicht: (2023)

Model-Free Kernel Conformal Depth Measures Algorithm for Uncertainty Quantification in Regression Models in Separable Hilbert Spaces
von: Matabuena, Marcos, et al.
Veröffentlicht: (2025)

Memory Constrained Dynamic Subnetwork Update for Transfer Learning
von: Quélennec, Aël, et al.
Veröffentlicht: (2025)

Study of Training Dynamics for Memory-Constrained Fine-Tuning
von: Quélennec, Aël, et al.
Veröffentlicht: (2025)

Self-Supervised Learning of Graph Representations for Network Intrusion Detection
von: Guerra, Lorenzo, et al.
Veröffentlicht: (2025)

Restyling Unsupervised Concept Based Interpretable Networks with Generative Models
von: Parekh, Jayneel, et al.
Veröffentlicht: (2024)

AI-Driven Intrusion Detection Systems (IDS) on the ROAD Dataset: A Comparative Analysis for Automotive Controller Area Network (CAN)
von: Guerra, Lorenzo, et al.
Veröffentlicht: (2024)

Distributionally robust halfspace depth
von: Ivanovs, Jevgenijs, et al.
Veröffentlicht: (2021)

Minifinetuning: Low-Data Generation Domain Adaptation through Corrective Self-Distillation
von: Belcak, Peter, et al.
Veröffentlicht: (2025)

Depth, Not Data: An Analysis of Hessian Spectral Bifurcation
von: Deng, Shenyang, et al.
Veröffentlicht: (2026)

Massive parallelization of projection-based depths
von: Leone, Leonardo, et al.
Veröffentlicht: (2025)

All-in-one foundational models learning across quantum chemical levels
von: Chen, Yuxinxin, et al.
Veröffentlicht: (2024)

An In-Depth Examination of Risk Assessment in Multi-Class Classification Algorithms
von: Ghandwani, Disha, et al.
Veröffentlicht: (2024)

milearn: A Python Package for Multi-Instance Machine Learning
von: Zankov, Dmitry, et al.
Veröffentlicht: (2025)

Tabular Data Generation Models: An In-Depth Survey and Performance Benchmarks with Extensive Tuning
von: Kindji, G. Charbel N., et al.
Veröffentlicht: (2024)

O$n$ Learning Deep O($n$)-Equivariant Hyperspheres
von: Melnyk, Pavlo, et al.
Veröffentlicht: (2023)

Compression of Structured Data with Autoencoders: Provable Benefit of Nonlinearities and Depth
von: Kögler, Kevin, et al.
Veröffentlicht: (2024)

Super Resolution for Renewable Energy Resource Data With Wind From Reanalysis Data and Application to Ukraine
von: Benton, Brandon N., et al.
Veröffentlicht: (2024)

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

Transformers on Markov Data: Constant Depth Suffices
von: Rajaraman, Nived, et al.
Veröffentlicht: (2024)

Machine learning-guided construction of an analytic kinetic energy functional for orbital free density functional theory
von: Manzhos, Sergei, et al.
Veröffentlicht: (2025)

Data-Driven Priors for Uncertainty-Aware Deterioration Risk Prediction with Multimodal Data
von: López, L. Julián Lechuga, et al.
Veröffentlicht: (2026)

Enhancing Data Quality through Self-learning on Imbalanced Financial Risk Data
von: Sun, Xu, et al.
Veröffentlicht: (2024)

Feature Dynamics as Implicit Data Augmentation: A Depth-Decomposed View on Deep Neural Network Generalization
von: Ruan, Tianyu, et al.
Veröffentlicht: (2025)

From Risk to Resilience: Towards Assessing and Mitigating the Risk of Data Reconstruction Attacks in Federated Learning
von: Xu, Xiangrui, et al.
Veröffentlicht: (2025)

Data Depth and Core-based Trend Detection on Blockchain Transaction Networks
von: Zhu, Jason, et al.
Veröffentlicht: (2023)

Next-Depth Lookahead Tree
von: Lee, Jaeho, et al.
Veröffentlicht: (2025)

On the Role of Depth in the Expressivity of RNNs
von: Lizaire, Maude, et al.
Veröffentlicht: (2026)

Underwater Soft Fin Flapping Motion with Deep Neural Network Based Surrogate Model
von: Hamamatsu, Yuya, et al.
Veröffentlicht: (2025)

Measuring Privacy Risks and Tradeoffs in Financial Synthetic Data Generation
von: Zuo, Michael, et al.
Veröffentlicht: (2026)

Decomposing the Depth Profile of Fine-Tuning
von: Billa, Jayadev
Veröffentlicht: (2026)

Artificial Intelligence for Direct Prediction of Molecular Dynamics Across Chemical Space
von: Ge, Fuchun, et al.
Veröffentlicht: (2025)

A Little Depth Goes a Long Way: The Expressive Power of Log-Depth Transformers
von: Merrill, William, et al.
Veröffentlicht: (2025)

Depth-Wise Attention (DWAtt): A Layer Fusion Method for Data-Efficient Classification
von: ElNokrashy, Muhammad, et al.
Veröffentlicht: (2022)

Progressive Generalization Risk Reduction for Data-Efficient Causal Effect Estimation
von: Wen, Hechuan, et al.
Veröffentlicht: (2024)

Data-Augmented Deep Learning for Downhole Depth Sensing and Validation
von: Xiao, Si-Yu, et al.
Veröffentlicht: (2025)