:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Servedio, Rocco A.
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	https://arxiv.org/abs/2511.08791
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Probably Approximately Correct Labels
von: Candès, Emmanuel J., et al.
Veröffentlicht: (2025)

Is nasty noise actually harder than malicious noise?
von: Blanc, Guy, et al.
Veröffentlicht: (2025)

Probably Approximately Correct Causal Discovery
von: Wei, Mian, et al.
Veröffentlicht: (2025)

Probably Approximately Consensus: On the Learning Theory of Finding Common Ground
von: Blair, Carter, et al.
Veröffentlicht: (2026)

Probably Approximately Precision and Recall Learning
von: Cohen, Lee, et al.
Veröffentlicht: (2024)

Sparsifying Suprema of Gaussian Processes
von: De, Anindya, et al.
Veröffentlicht: (2024)

Probably Approximately Correct Maximum A Posteriori Inference
von: Shorvon, Matthew, et al.
Veröffentlicht: (2026)

A Probably Approximately Correct Analysis of Group Testing Algorithms
von: H., Sameera Bharadwaja, et al.
Veröffentlicht: (2024)

An Approximation Theory Perspective on Machine Learning
von: Mhaskar, Hrushikesh N., et al.
Veröffentlicht: (2025)

auto-fpt: Automating Free Probability Theory Calculations for Machine Learning Theory
von: Subramonian, Arjun, et al.
Veröffentlicht: (2025)

Probably Approximately Global Robustness Certification
von: Blohm, Peter, et al.
Veröffentlicht: (2025)

Learning Monotonic Probabilities with a Generative Cost Model
von: Tang, Yongxiang, et al.
Veröffentlicht: (2025)

Learning Functions of Halfspaces
von: Alman, Josh, et al.
Veröffentlicht: (2026)

Probabilities-Informed Machine Learning
von: Rashki, Mohsen
Veröffentlicht: (2024)

A Switching System Theory of Q-Learning with Linear Function Approximation
von: Lee, Donghwan, et al.
Veröffentlicht: (2026)

A Deep Learning Framework for Multi-Operator Learning: Architectures and Approximation Theory
von: Weihs, Adrien, et al.
Veröffentlicht: (2025)

A Survey on Statistical Theory of Deep Learning: Approximation, Training Dynamics, and Generative Models
von: Suh, Namjoon, et al.
Veröffentlicht: (2024)

Transformers Meet In-Context Learning: A Universal Approximation Theory
von: Li, Gen, et al.
Veröffentlicht: (2025)

Learning Theory of Transformers: Local-to-Global Approximation via Softmax Partition of Unity
von: Shi, Zhongjie, et al.
Veröffentlicht: (2026)

Approximation Theory, Computing, and Deep Learning on the Wasserstein Space
von: Fornasier, Massimo, et al.
Veröffentlicht: (2023)

Probability-density-aware Semi-supervised Learning
von: Liu, Shuyang, et al.
Veröffentlicht: (2024)

Geometric Gaussian Approximations of Probability Distributions
von: Da Costa, Nathaël, et al.
Veröffentlicht: (2025)

Probability Distribution Learning and Its Application in Deep Learning
von: Qi, Binchuan, et al.
Veröffentlicht: (2024)

Generative Modeling of Class Probability for Multi-Modal Representation Learning
von: Shin, Jungkyoo, et al.
Veröffentlicht: (2025)

A Statistical Theory of Contrastive Learning via Approximate Sufficient Statistics
von: Lin, Licong, et al.
Veröffentlicht: (2025)

Correcting Suppressed Log-Probabilities in Language Models with Post-Transformer Adapters
von: Sanchez, Bryan
Veröffentlicht: (2026)

A Mysterious Connection Between Tolerant Junta Testing and Agnostically Learning Conjunctions
von: Chen, Xi, et al.
Veröffentlicht: (2025)

Can Machines Learn the True Probabilities?
von: Kim, Jinsook
Veröffentlicht: (2024)

Approximate Replicability in Learning
von: Hopkins, Max, et al.
Veröffentlicht: (2025)

Joint Probability Selection and Power Allocation for Federated Learning
von: Marnissi, Ouiame, et al.
Veröffentlicht: (2024)

ProPML: Probability Partial Multi-label Learning
von: Struski, Łukasz, et al.
Veröffentlicht: (2024)

Certain and Approximately Certain Models for Statistical Learning
von: Zhen, Cheng, et al.
Veröffentlicht: (2024)

Towards an Approximation Theory of Observable Operator Models
von: Anyszka, Wojciech
Veröffentlicht: (2024)

Transfer Learning on Edge Connecting Probability Estimation under Graphon Model
von: Wang, Yuyao, et al.
Veröffentlicht: (2025)

Finding Probably Approximate Optimal Solutions by Training to Estimate the Optimal Values of Subproblems
von: Megiddo, Nimrod, et al.
Veröffentlicht: (2025)

Forrelation is Extremally Hard
von: Girish, Uma, et al.
Veröffentlicht: (2025)

Learning Probabilities of Causation with Mask-Augmented Data
von: Wang, Shuai, et al.
Veröffentlicht: (2025)

Approximate Equivariance in Reinforcement Learning
von: Park, Jung Yeon, et al.
Veröffentlicht: (2024)

Linear Function Approximation as a Computationally Efficient Method to Solve Classical Reinforcement Learning Challenges
von: Srikanth, Hari
Veröffentlicht: (2024)

Big Batch Bayesian Active Learning by Considering Predictive Probabilities
von: Ober, Sebastian W., et al.
Veröffentlicht: (2025)