Buchumschlag

Robust and continuous machine learning of usage habits to adapt digital interfaces to user needs

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Petit, Eric, Chêne, Denis
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

An energy-efficient spiking neural network with continuous learning for self-adaptive brain-machine interface
von: Biyan, Zhou, et al.
Veröffentlicht: (2025)

Speeding up and reducing memory usage for scientific machine learning via mixed precision
von: Hayford, Joel, et al.
Veröffentlicht: (2024)

Structured adaptive and random spinners for fast machine learning computations
von: Bojarski, Mariusz, et al.
Veröffentlicht: (2016)

Predicting Depression: a comparative study of machine learning approaches based on language usage.
von: Luciana Mariñelarena-Dondena
Veröffentlicht: (2017)

Can machine learning solve the challenge of adaptive learning and the individualization of learning paths? A field experiment in an online learning platform
von: Klausmann, Tim, et al.
Veröffentlicht: (2024)

Neuromimetic metaplasticity for adaptive continual learning
von: Cho, Suhee, et al.
Veröffentlicht: (2024)

A data science and machine learning approach to continuous analysis of Shakespeare's plays
von: Swisher, Charles, et al.
Veröffentlicht: (2023)

MLPROP -- an open interactive web interface for thermophysical property prediction with machine learning
von: Hoffmann, Marco, et al.
Veröffentlicht: (2025)

Leveraging Hamilton-Jacobi PDEs with time-dependent Hamiltonians for continual scientific machine learning
von: Chen, Paula, et al.
Veröffentlicht: (2023)

Comparison of machine learning and statistical approaches for digital elevation model (DEM) correction: interim results
von: Okolie, Chukwuma, et al.
Veröffentlicht: (2024)

Hybrid machine learning based scale bridging framework for permeability prediction of fibrous structures
von: Korolev, Denis, et al.
Veröffentlicht: (2025)

Locating disparities in machine learning
von: von Zahn, Moritz, et al.
Veröffentlicht: (2022)

Robust estimation of the intrinsic dimension of data sets with quantum cognition machine learning
von: Candelori, Luca, et al.
Veröffentlicht: (2024)

Rapid analysis of point-contact Andreev reflection spectra via machine learning with adaptive data augmentation
von: Lee, Dongik, et al.
Veröffentlicht: (2025)

Bayesian continual learning and forgetting in neural networks
von: Bonnet, Djohan, et al.
Veröffentlicht: (2025)

Diachronic and synchronic variation in the performance of adaptive machine learning systems: The ethical challenges
von: Hatherley, Joshua, et al.
Veröffentlicht: (2025)

Practical machine learning is learning on small samples
von: Sapir, Marina
Veröffentlicht: (2025)

When to retrain a machine learning model
von: Florence, Regol, et al.
Veröffentlicht: (2025)

Curating art exhibitions using machine learning
von: Covas, Eurico
Veröffentlicht: (2025)

Good practices for evaluation of machine learning systems
von: Ferrer, Luciana, et al.
Veröffentlicht: (2024)

Understanding with toy surrogate models in machine learning
von: Páez, Andrés
Veröffentlicht: (2024)

Effective continuous equations for adaptive SGD: a stochastic analysis view
von: Callisti, Luca, et al.
Veröffentlicht: (2025)

Discrimination in machine learning algorithms
von: Pappadà, Roberta, et al.
Veröffentlicht: (2022)

Atom dimension adaptation for infinite set dictionary learning
von: Băltoiu, Andra, et al.
Veröffentlicht: (2024)

Position: Lifetime tuning is incompatible with continual reinforcement learning
von: Mesbahi, Golnaz, et al.
Veröffentlicht: (2024)

Task agnostic continual learning with Pairwise layer architecture
von: Keskinen, Santtu
Veröffentlicht: (2024)

Improving the adaptive and continuous learning capabilities of artificial neural networks: Lessons from multi-neuromodulatory dynamics
von: Mei, Jie, et al.
Veröffentlicht: (2025)

A survey and taxonomy of loss functions in machine learning
von: Ciampiconi, Lorenzo, et al.
Veröffentlicht: (2023)

Reliable edge machine learning hardware for scientific applications
von: Baldi, Tommaso, et al.
Veröffentlicht: (2024)

How green is continual learning, really? Analyzing the energy consumption in continual training of vision foundation models
von: Trinci, Tomaso, et al.
Veröffentlicht: (2024)

Interpretable machine-learning for predicting molecular weight of PLA based on artificial bee colony optimization algorithm and adaptive neurofuzzy inference system
von: Masoumi, Amir Pouya, et al.
Veröffentlicht: (2025)

Learning to summarize user information for personalized reinforcement learning from human feedback
von: Nam, Hyunji, et al.
Veröffentlicht: (2025)

Efficient user history modeling with amortized inference for deep learning recommendation models
von: Hertel, Lars, et al.
Veröffentlicht: (2024)

Unsupervised domain adaptation by learning using privileged information
von: Breitholtz, Adam, et al.
Veröffentlicht: (2023)

Local vs Global continual learning
von: Lanzillotta, Giulia, et al.
Veröffentlicht: (2024)

Causal hybrid modeling with double machine learning
von: Cohrs, Kai-Hendrik, et al.
Veröffentlicht: (2024)

Accounting for multiplicity in machine learning benchmark performance
von: Møllersen, Kajsa, et al.
Veröffentlicht: (2023)

ddml: Double/debiased machine learning in Stata
von: Ahrens, Achim, et al.
Veröffentlicht: (2023)

Causal machine learning for predicting treatment outcomes
von: Feuerriegel, Stefan, et al.
Veröffentlicht: (2024)

Exploring the impact of virtual reality user engagement on tourist behavioral response integrated an environment concern of touristic travel perspective: A new hybrid machine learning approach
von: Shang, D. W.
Veröffentlicht: (2024)