:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Wenrui, Zhang, Qinghao, Wang, Xiaowo
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	https://arxiv.org/abs/2509.04415
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Weakly-supervised causal discovery based on fuzzy knowledge and complex data complementarity
von: Li, Wenrui, et al.
Veröffentlicht: (2024)

A High-accuracy Calibration Method of Transient TSEPs for Power Semiconductor Devices
von: Zhang, Qinghao, et al.
Veröffentlicht: (2025)

Fisher-Informed Parameterwise Aggregation for Federated Learning with Heterogeneous Data
von: Chang, Zhipeng, et al.
Veröffentlicht: (2026)

Causal Learning for Heterogeneous Subgroups Based on Nonlinear Causal Kernel Clustering
von: Liu, Lu, et al.
Veröffentlicht: (2025)

A Unified Framework for Structure-Aware Clustering and Heterogeneous Causal Graph Learning
von: Du, Honglin, et al.
Veröffentlicht: (2026)

Faster Convergence on Heterogeneous Federated Edge Learning: An Adaptive Clustered Data Sharing Approach
von: Hu, Gang, et al.
Veröffentlicht: (2024)

Observationally Informed Adaptive Causal Experimental Design
von: Gao, Erdun, et al.
Veröffentlicht: (2026)

ZENN: A Thermodynamics-Inspired Computational Framework for Heterogeneous Data-Driven Modeling
von: Wang, Shun, et al.
Veröffentlicht: (2025)

FedAC: An Adaptive Clustered Federated Learning Framework for Heterogeneous Data
von: Zhang, Yuxin, et al.
Veröffentlicht: (2024)

Exploiting Hybrid Policy in Reinforcement Learning for Interpretable Temporal Logic Manipulation
von: Zhang, Hao, et al.
Veröffentlicht: (2024)

Learning Bayesian Networks with Heterogeneous Agronomic Data Sets via Mixed-Effect Models and Hierarchical Clustering
von: Valleggi, Lorenzo, et al.
Veröffentlicht: (2023)

CLEAR: Cluster-based Prompt Learning on Heterogeneous Graphs
von: Wang, Feiyang, et al.
Veröffentlicht: (2025)

Interpretable Imitation Learning with Dynamic Causal Relations
von: Zhao, Tianxiang, et al.
Veröffentlicht: (2023)

Feature Matching Intervention: Leveraging Observational Data for Causal Representation Learning
von: Li, Haoze, et al.
Veröffentlicht: (2025)

HetCCL: Enabling Collective Communication For Mixed-Vendor Heterogeneous Clusters
von: Wang, Yuejie, et al.
Veröffentlicht: (2026)

Federated Causal Discovery from Heterogeneous Data
von: Li, Loka, et al.
Veröffentlicht: (2024)

Learning Unknown Intervention Targets in Structural Causal Models from Heterogeneous Data
von: Yang, Yuqin, et al.
Veröffentlicht: (2023)

A New Causal Rule Learning Approach to Interpretable Estimation of Heterogeneous Treatment Effect
von: Wu, Ying, et al.
Veröffentlicht: (2023)

Adaptive Graph Auto-Encoder for General Data Clustering
von: Li, Xuelong, et al.
Veröffentlicht: (2020)

Clustered Federated Learning for Generalizable FDIA Detection in Smart Grids with Heterogeneous Data
von: Li, Yunfeng, et al.
Veröffentlicht: (2025)

Learning Unified Distance Metric for Heterogeneous Attribute Data Clustering
von: Zhang, Yiqun, et al.
Veröffentlicht: (2026)

Graph Structure Refinement with Energy-based Contrastive Learning
von: Zeng, Xianlin, et al.
Veröffentlicht: (2024)

SOFA-FL: Self-Organizing Hierarchical Federated Learning with Adaptive Clustered Data Sharing
von: Ni, Yi, et al.
Veröffentlicht: (2025)

Causal Rule Ensemble: Interpretable Discovery and Inference of Heterogeneous Treatment Effects
von: Bargagli-Stoffi, Falco J., et al.
Veröffentlicht: (2020)

Interpretable Deep Clustering for Tabular Data
von: Svirsky, Jonathan, et al.
Veröffentlicht: (2023)

Identifiability Guarantees for Causal Disentanglement from Purely Observational Data
von: Welch, Ryan, et al.
Veröffentlicht: (2024)

Adaptive Prototype Knowledge Transfer for Federated Learning with Mixed Modalities and Heterogeneous Tasks
von: Gai, Keke, et al.
Veröffentlicht: (2025)

Learning Flexible Time-windowed Granger Causality Integrating Heterogeneous Interventional Time Series Data
von: Zhang, Ziyi, et al.
Veröffentlicht: (2024)

Interpretable Causal Representation Learning for Biological Data in the Pathway Space
von: de la Fuente, Jesus, et al.
Veröffentlicht: (2025)

Clustering and Pruning in Causal Data Fusion
von: Tabell, Otto, et al.
Veröffentlicht: (2025)

CausalFormer: An Interpretable Transformer for Temporal Causal Discovery
von: Kong, Lingbai, et al.
Veröffentlicht: (2024)

PA-CFL: Privacy-Adaptive Clustered Federated Learning for Transformer-Based Sales Forecasting on Heterogeneous Retail Data
von: Long, Yunbo, et al.
Veröffentlicht: (2025)

Heterogeneous Causal Learning for Optimizing Aggregated Functions in User Growth
von: Du, Shuyang, et al.
Veröffentlicht: (2025)

CADM: Cluster-customized Adaptive Distance Metric for Categorical Data Clustering
von: Chen, Taixi, et al.
Veröffentlicht: (2025)

Contextual Distributionally Robust Optimization with Causal and Continuous Structure: An Interpretable and Tractable Approach
von: Zhang, Fenglin, et al.
Veröffentlicht: (2026)

Covariate-Adjusted Deep Causal Learning for Heterogeneous Panel Data Models
von: Zhou, Guanhao, et al.
Veröffentlicht: (2025)

Graph Disentangle Causal Model: Enhancing Causal Inference in Networked Observational Data
von: Hu, Binbin, et al.
Veröffentlicht: (2024)

Combining Incomplete Observational and Randomized Data for Heterogeneous Treatment Effects
von: Yao, Dong, et al.
Veröffentlicht: (2024)

Data Skeleton Learning: Scalable Active Clustering with Sparse Graph Structures
von: Xie, Wen-Bo, et al.
Veröffentlicht: (2025)

Interpretable Graph Neural Networks for Heterogeneous Tabular Data
von: Alkhatib, Amr, et al.
Veröffentlicht: (2024)