Buchumschlag

Batch Bayesian Active Learning with Partial Batch Label Sampling

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Hu, Kangping, Mussmann, Stephen
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Batch Active Learning of Reward Functions from Human Preferences
von: Bıyık, Erdem, et al.
Veröffentlicht: (2024)

BOTS: Batch Bayesian Optimization of Extended Thompson Sampling for Severely Episode-Limited RL Settings
von: Karine, Karine, et al.
Veröffentlicht: (2024)

Pareto Front-Diverse Batch Multi-Objective Bayesian Optimization
von: Ahmadianshalchi, Alaleh, et al.
Veröffentlicht: (2024)

Sample-Efficiency in Multi-Batch Reinforcement Learning: The Need for Dimension-Dependent Adaptivity
von: Johnson, Emmeran, et al.
Veröffentlicht: (2023)

Adaptive Batch-Wise Sample Scheduling for Direct Preference Optimization
von: Huang, Zixuan, et al.
Veröffentlicht: (2025)

Combining X-Vectors and Bayesian Batch Active Learning: Two-Stage Active Learning Pipeline for Speech Recognition
von: Kundacina, Ognjen, et al.
Veröffentlicht: (2024)

Batch-in-Batch: a new adversarial training framework for initial perturbation and sample selection
von: Wu, Yinting, et al.
Veröffentlicht: (2024)

SamBaTen: Sampling-based Batch Incremental Tensor Decomposition
von: Gujral, Ekta, et al.
Veröffentlicht: (2017)

Batch Acquisition Function Evaluations and Decouple Optimizer Updates for Faster Bayesian Optimization
von: Irie, Kaichi, et al.
Veröffentlicht: (2025)

Making Batch Normalization Great in Federated Deep Learning
von: Zhong, Jike, et al.
Veröffentlicht: (2023)

A Simple and Efficient Approach to Batch Bayesian Optimization
von: Zhan, Dawei, et al.
Veröffentlicht: (2024)

BatchTopK Sparse Autoencoders
von: Bussmann, Bart, et al.
Veröffentlicht: (2024)

Scaling Off-Policy Reinforcement Learning with Batch and Weight Normalization
von: Palenicek, Daniel, et al.
Veröffentlicht: (2025)

Towards Batch-to-Streaming Deep Reinforcement Learning for Continuous Control
von: De Monte, Riccardo, et al.
Veröffentlicht: (2026)

Scalable On-Policy Reinforcement Learning via Adaptive Batch Scaling
von: Park, Jongchan
Veröffentlicht: (2026)

Riemannian Batch Normalization: A Gyro Approach
von: Chen, Ziheng, et al.
Veröffentlicht: (2025)

Batch Normalization Amplifies Memorization and Privacy Risks
von: Doan, Ngoc Phu, et al.
Veröffentlicht: (2026)

Demystifying Design Choices of Reinforcement Fine-tuning: A Batched Contextual Bandit Learning Perspective
von: Xie, Hong, et al.
Veröffentlicht: (2026)

Large-Batch, Iteration-Efficient Neural Bayesian Design Optimization
von: Ansari, Navid, et al.
Veröffentlicht: (2023)

On Using Large-Batches in Federated Learning
von: Tyagi, Sahil
Veröffentlicht: (2025)

Semi-supervised Batch Learning From Logged Data
von: Aminian, Gholamali, et al.
Veröffentlicht: (2022)

Mini-Batch Class Composition Bias in Link Prediction
von: Maguire, Kieran, et al.
Veröffentlicht: (2026)

Markov Balance Satisfaction Improves Performance in Strictly Batch Offline Imitation Learning
von: Agrawal, Rishabh, et al.
Veröffentlicht: (2024)

Time Transfer: On Optimal Learning Rate and Batch Size In The Infinite Data Limit
von: Filatov, Oleg, et al.
Veröffentlicht: (2024)

Actionable Interpretability via Causal Hypergraphs: Unravelling Batch Size Effects in Deep Learning
von: Sun, Zhongtian, et al.
Veröffentlicht: (2025)

Iterative Batch Reinforcement Learning via Safe Diversified Model-based Policy Search
von: Najib, Amna, et al.
Veröffentlicht: (2024)

StableGrad: Backward Scale Control without Batch Normalization
von: Mestre, Jose I., et al.
Veröffentlicht: (2026)

Beware of the Batch Size: Hyperparameter Bias in Evaluating LoRA
von: Lee, Sangyoon, et al.
Veröffentlicht: (2026)

Revisiting LARS for Large Batch Training Generalization of Neural Networks
von: Do, Khoi, et al.
Veröffentlicht: (2023)

Batch Calibration: Rethinking Calibration for In-Context Learning and Prompt Engineering
von: Zhou, Han, et al.
Veröffentlicht: (2023)

BatchLLM: Optimizing Large Batched LLM Inference with Global Prefix Sharing and Throughput-oriented Token Batching
von: Zheng, Zhen, et al.
Veröffentlicht: (2024)

Batched Low-Rank Adaptation of Foundation Models
von: Wen, Yeming, et al.
Veröffentlicht: (2023)

Completed Hyperparameter Transfer across Modules, Width, Depth, Batch and Duration
von: Mlodozeniec, Bruno, et al.
Veröffentlicht: (2025)

Efficient GNN Training Through Structure-Aware Randomized Mini-Batching
von: Balaji, Vignesh, et al.
Veröffentlicht: (2025)

Optimal Labeler Assignment and Sampling for Active Learning in the Presence of Imperfect Labels
von: Ahadi, Pouya, et al.
Veröffentlicht: (2025)

Tula: Optimizing Time, Cost, and Generalization in Distributed Large-Batch Training
von: Tyagi, Sahil, et al.
Veröffentlicht: (2026)

Mini-Batch Kernel $k$-means
von: Jourdan, Ben, et al.
Veröffentlicht: (2024)

Seesaw: Accelerating Training by Balancing Learning Rate and Batch Size Scheduling
von: Meterez, Alexandru, et al.
Veröffentlicht: (2025)

An Unbiased Risk Estimator for Partial Label Learning with Augmented Classes
von: Hu, Jiayu, et al.
Veröffentlicht: (2024)

Batch Selection and Communication for Active Learning with Edge Labeling
von: Croisfelt, Victor, et al.
Veröffentlicht: (2023)