Buchumschlag

Model Recycling Framework for Multi-Source Data-Free Supervised Transfer Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Sijia, Henao, Ricardo
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

SAGE: A Novelty Gate for Efficient Memory Evolution in Agentic LLMs
von: Wang, Sijia, et al.
Veröffentlicht: (2026)

Unified Optimization of Source Weights and Transfer Quantities in Multi-Source Transfer Learning: An Asymptotic Framework
von: Zhang, Qingyue, et al.
Veröffentlicht: (2026)

C$^{2}$TC: A Training-Free Framework for Efficient Tabular Data Condensation
von: Xu, Sijia, et al.
Veröffentlicht: (2026)

A Centralized-Distributed Transfer Model for Cross-Domain Recommendation Based on Multi-Source Heterogeneous Transfer Learning
von: Xu, Ke, et al.
Veröffentlicht: (2024)

Learning Compositional Transferability of Time Series for Source-Free Domain Adaptation
von: Sun, Hankang, et al.
Veröffentlicht: (2025)

Generating Accurate Synthetic Survival Data by Conditioning on Outcomes
von: Ashhad, Mohd, et al.
Veröffentlicht: (2024)

On Understanding Attention-Based In-Context Learning for Categorical Data
von: Wang, Aaron T., et al.
Veröffentlicht: (2024)

Sparse Optimization for Transfer Learning: A L0-Regularized Framework for Multi-Source Domain Adaptation
von: Gong, Chenqi, et al.
Veröffentlicht: (2025)

Robust Transfer Learning with Unreliable Source Data
von: Fan, Jianqing, et al.
Veröffentlicht: (2023)

T-JEPA: Augmentation-Free Self-Supervised Learning for Tabular Data
von: Thimonier, Hugo, et al.
Veröffentlicht: (2024)

Supervised Transfer Learning Framework for Fault Diagnosis in Wind Turbines
von: Weber, Kenan, et al.
Veröffentlicht: (2024)

On Learning Latent Models with Multi-Instance Weak Supervision
von: Wang, Kaifu, et al.
Veröffentlicht: (2023)

Learning Survival Distributions with the Asymmetric Laplace Distribution
von: Sheng, Deming, et al.
Veröffentlicht: (2025)

Data-Driven Transfer Learning Framework for Estimating Turning Movement Counts
von: Ma, Xiaobo, et al.
Veröffentlicht: (2024)

Selecting Subsets of Source Data for Transfer Learning with Applications in Metal Additive Manufacturing
von: Tang, Yifan, et al.
Veröffentlicht: (2024)

Self-Supervised Dataset Distillation for Transfer Learning
von: Lee, Dong Bok, et al.
Veröffentlicht: (2023)

Supervised Stochastic Gradient Algorithms for Multi-Trial Source Separation
von: Mehta, Ronak, et al.
Veröffentlicht: (2025)

SETrLUSI: Stochastic Ensemble Multi-Source Transfer Learning Using Statistical Invariant
von: Li, Chunna, et al.
Veröffentlicht: (2025)

Distribution Matching for Self-Supervised Transfer Learning
von: Jiao, Yuling, et al.
Veröffentlicht: (2025)

Calibre: Towards Fair and Accurate Personalized Federated Learning with Self-Supervised Learning
von: Chen, Sijia, et al.
Veröffentlicht: (2024)

A High-Dimensional Statistical Method for Optimizing Transfer Quantities in Multi-Source Transfer Learning
von: Zhang, Qingyue, et al.
Veröffentlicht: (2025)

MARLINE: Multi-Source Mapping Transfer Learning for Non-Stationary Environments
von: Du, Honghui, et al.
Veröffentlicht: (2025)

Model-to-Model Knowledge Transmission (M2KT): A Data-Free Framework for Cross-Model Understanding Transfer
von: Sorte, Pratham
Veröffentlicht: (2025)

Source-Free Domain Adaptation of Weakly-Supervised Object Localization Models for Histology
von: Guichemerre, Alexis, et al.
Veröffentlicht: (2024)

Efficient Multi-Source Knowledge Transfer by Model Merging
von: Osial, Marcin, et al.
Veröffentlicht: (2025)

A Generalized Learning Framework for Self-Supervised Contrastive Learning
von: Si, Lingyu, et al.
Veröffentlicht: (2025)

Self-Supervised Graph Neural Network for Multi-Source Domain Adaptation
von: Yuan, Jin, et al.
Veröffentlicht: (2022)

Cross-LoRA: A Data-Free LoRA Transfer Framework across Heterogeneous LLMs
von: Xia, Feifan, et al.
Veröffentlicht: (2025)

Deep Transfer Learning: Model Framework and Error Analysis
von: Jiao, Yuling, et al.
Veröffentlicht: (2024)

Sources of Uncertainty in Supervised Machine Learning -- A Statisticians' View
von: Gruber, Cornelia, et al.
Veröffentlicht: (2023)

Inorganic Catalyst Efficiency Prediction Based on EAPCR Model: A Deep Learning Solution for Multi-Source Heterogeneous Data
von: Liu, Zhangdi, et al.
Veröffentlicht: (2025)

SCOT: Multi-Source Cross-City Transfer with Optimal-Transport Soft-Correspondence Objective
von: Wang, Yuyao, et al.
Veröffentlicht: (2026)

Parking Availability Prediction via Fusing Multi-Source Data with A Self-Supervised Learning Enhanced Spatio-Temporal Inverted Transformer
von: Huang, Yin, et al.
Veröffentlicht: (2025)

Delta Sampling: Data-Free Knowledge Transfer Across Diffusion Models
von: Gao, Zhidong, et al.
Veröffentlicht: (2025)

Expert-Free Online Transfer Learning in Multi-Agent Reinforcement Learning
von: Castagna, Alberto
Veröffentlicht: (2025)

A Novel Framework for Online Supervised Learning with Feature Selection
von: Sun, Lizhe, et al.
Veröffentlicht: (2018)

Multi-level Supervised Contrastive Learning
von: Ghanooni, Naghmeh, et al.
Veröffentlicht: (2025)

MGDA: Model-based Goal Data Augmentation for Offline Goal-conditioned Weighted Supervised Learning
von: Lei, Xing, et al.
Veröffentlicht: (2024)

Knowledge-Data Fusion Based Source-Free Semi-Supervised Domain Adaptation for Seizure Subtype Classification
von: Peng, Ruimin, et al.
Veröffentlicht: (2024)

Multi-View Subgraph Neural Networks: Self-Supervised Learning with Scarce Labeled Data
von: Wang, Zhenzhong, et al.
Veröffentlicht: (2024)