Buchumschlag

Adversarial Training Improves Generalization Under Distribution Shifts in Bioacoustics

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Heinrich, René, Rauch, Lukas, Sick, Bernhard, Scholz, Christoph
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

AudioProtoPNet: An interpretable deep learning model for bird sound classification
von: Heinrich, René, et al.
Veröffentlicht: (2024)

Can Masked Autoencoders Also Listen to Birds?
von: Rauch, Lukas, et al.
Veröffentlicht: (2025)

Unmute the Patch Tokens: Rethinking Probing in Multi-Label Audio Classification
von: Rauch, Lukas, et al.
Veröffentlicht: (2025)

Towards Deep Active Learning in Avian Bioacoustics
von: Rauch, Lukas, et al.
Veröffentlicht: (2024)

DADO -- Low-Cost Query Strategies for Deep Active Design Optimization
von: Decke, Jens, et al.
Veröffentlicht: (2023)

Cleaning the Pool: Progressive Filtering of Unlabeled Pools in Deep Active Learning
von: Huseljic, Denis, et al.
Veröffentlicht: (2025)

BirdSet: A Large-Scale Dataset for Audio Classification in Avian Bioacoustics
von: Rauch, Lukas, et al.
Veröffentlicht: (2024)

Fast Fishing: Approximating BAIT for Efficient and Scalable Deep Active Image Classification
von: Huseljic, Denis, et al.
Veröffentlicht: (2024)

Foundation Models for Bioacoustics -- a Comparative Review
von: Schwinger, Raphael, et al.
Veröffentlicht: (2025)

Graph Reinforcement Learning for Power Grids: A Comprehensive Survey
von: Hassouna, Mohamed, et al.
Veröffentlicht: (2024)

Efficient Bayesian Updates for Deep Active Learning via Laplace Approximations
von: Huseljic, Denis, et al.
Veröffentlicht: (2022)

crowd-hpo: Realistic Hyperparameter Optimization and Benchmarking for Learning from Crowds with Noisy Labels
von: Herde, Marek, et al.
Veröffentlicht: (2025)

A Reinforcement Learning Approach for the Continuous Electricity Market of Germany: Trading from the Perspective of a Wind Park Operator
von: Lehna, Malte, et al.
Veröffentlicht: (2021)

Quantifying the Influences on Probabilistic Wind Power Forecasts
von: Schreiber, Jens, et al.
Veröffentlicht: (2018)

Learning Topology Actions for Power Grid Control: A Graph-Based Soft-Label Imitation Learning Approach
von: Hassouna, Mohamed, et al.
Veröffentlicht: (2025)

Spatio-Temporal Attention Graph Neural Network for Remaining Useful Life Prediction
von: Huang, Zhixin, et al.
Veröffentlicht: (2024)

Uncertainty Calibration of Multi-Label Bird Sound Classifiers
von: Schwinger, Raphael, et al.
Veröffentlicht: (2025)

Distributional Adversarial Attacks and Training in Deep Hedging
von: He, Guangyi, et al.
Veröffentlicht: (2025)

Model Merging Improves Zero-Shot Generalization in Bioacoustic Foundation Models
von: Marincione, Davide, et al.
Veröffentlicht: (2025)

Annot-Mix: Learning with Noisy Class Labels from Multiple Annotators via a Mixup Extension
von: Herde, Marek, et al.
Veröffentlicht: (2024)

Robust Calibration For Improved Weather Prediction Under Distributional Shift
von: Gilda, Sankalp, et al.
Veröffentlicht: (2024)

BoSS: A Best-of-Strategies Selector as an Oracle for Deep Active Learning
von: Huseljic, Denis, et al.
Veröffentlicht: (2026)

An Efficient Multi Quantile Regression Network with Ad Hoc Prevention of Quantile Crossing
von: Decke, Jens, et al.
Veröffentlicht: (2024)

Flow-Attentional Graph Neural Networks
von: Plettenberg, Pascal, et al.
Veröffentlicht: (2025)

Graph Neural Networks for Automatic Addition of Optimizing Components in Printed Circuit Board Schematics
von: Plettenberg, Pascal, et al.
Veröffentlicht: (2025)

Data-Efficient Self-Supervised Algorithms for Fine-Grained Birdsong Analysis
von: Ghaffari, Houtan, et al.
Veröffentlicht: (2025)

Entropic Projection Alignment: Estimating, Explaining, and Improving Model Performance Under Distribution Shift
von: Amoukou, Salim I., et al.
Veröffentlicht: (2026)

Minimax Optimal Estimation of Stability Under Distribution Shift
von: Namkoong, Hongseok, et al.
Veröffentlicht: (2022)

Learning Clinical Representations Under Systematic Distribution Shift
von: Zhang, Yuanyun, et al.
Veröffentlicht: (2026)

Interpretable Neural Causal Models with TRAM-DAGs
von: Sick, Beate, et al.
Veröffentlicht: (2025)

Adversarial Training Can Provably Improve Robustness: Theoretical Analysis of Feature Learning Process Under Structured Data
von: Li, Binghui, et al.
Veröffentlicht: (2024)

Multi-Source Conformal Inference Under Distribution Shift
von: Liu, Yi, et al.
Veröffentlicht: (2024)

Distribution Matching for Graph Quantification Under Structural Covariate Shift
von: Damke, Clemens, et al.
Veröffentlicht: (2025)

On the Escaping Efficiency of Distributed Adversarial Training Algorithms
von: Cao, Ying, et al.
Veröffentlicht: (2025)

A Systematic Analysis of Out-of-Distribution Detection Under Representation and Training Paradigm Shifts
von: Olivares, Claudio César Claros, et al.
Veröffentlicht: (2025)

Ghost-Connect Net: A Generalization-Enhanced Guidance For Sparse Deep Networks Under Distribution Shifts
von: Wisell, Mary Isabelle, et al.
Veröffentlicht: (2024)

Detecting Diffusion-Generated Time Series Under Generator Shift
von: Soi, Zhi Wen, et al.
Veröffentlicht: (2026)

Robust Anomaly Detection Under Normality Distribution Shift in Dynamic Graphs
von: Xu, Xiaoyang, et al.
Veröffentlicht: (2025)

Online GNN Evaluation Under Test-time Graph Distribution Shifts
von: Zheng, Xin, et al.
Veröffentlicht: (2024)

Causal Imitation Learning Under Measurement Error and Distribution Shift
von: Bo, Shi, et al.
Veröffentlicht: (2026)