Buchumschlag

Revisiting Theory of Contrastive Learning for Domain Generalization

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Alvandi, Ali, Rezaei, Mina
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Statistics Theory
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A Statistical Theory of Contrastive Pre-training and Multimodal Generative AI
von: Oko, Kazusato, et al.
Veröffentlicht: (2025)

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

Byzantine-Robust Distributed Sparse Learning Revisited
von: Wang, Yuxuan, et al.
Veröffentlicht: (2026)

Hierarchical Contrastive Learning for Multimodal Data
von: Li, Huichao, et al.
Veröffentlicht: (2026)

Affine Invariance in Continuous-Domain Convolutional Neural Networks
von: Mohaddes, Ali, et al.
Veröffentlicht: (2023)

Revisiting Optimism and Model Complexity in the Wake of Overparameterized Machine Learning
von: Patil, Pratik, et al.
Veröffentlicht: (2024)

A Random Matrix Theory Perspective on the Spectrum of Learned Features and Asymptotic Generalization Capabilities
von: Dandi, Yatin, et al.
Veröffentlicht: (2024)

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

Statistical Learning Theory for Distributional Classification
von: Fiedler, Christian
Veröffentlicht: (2026)

A Theory of Universal Agnostic Learning
von: Hanneke, Steve, et al.
Veröffentlicht: (2026)

A Unified View on Learning Unnormalized Distributions via Noise-Contrastive Estimation
von: Ryu, J. Jon, et al.
Veröffentlicht: (2024)

Generalized Bayesian Additive Regression Trees: Theory and Software
von: Saha, Enakshi
Veröffentlicht: (2023)

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

On Transferring Transferability: Towards a Theory for Size Generalization
von: Levin, Eitan, et al.
Veröffentlicht: (2025)

Generalization in Representation Models via Random Matrix Theory: Application to Recurrent Networks
von: Moakher, Yessin, et al.
Veröffentlicht: (2025)

Review and Prospect of Algebraic Research in Equivalent Framework between Statistical Mechanics and Machine Learning Theory
von: Watanabe, Sumio
Veröffentlicht: (2024)

Asymptotic Theory of Eigenvectors for Latent Embeddings with Generalized Laplacian Matrices
von: Fan, Jianqing, et al.
Veröffentlicht: (2025)

Revisiting Agnostic PAC Learning
von: Hanneke, Steve, et al.
Veröffentlicht: (2024)

Learning with Expected Signatures: Theory and Applications
von: Lucchese, Lorenzo, et al.
Veröffentlicht: (2025)

Information-Geometric Decomposition of Generalization Error in Unsupervised Learning
von: Kim, Gilhan
Veröffentlicht: (2026)

Sobolev Norm Learning Rates for Conditional Mean Embeddings
von: Talwai, Prem, et al.
Veröffentlicht: (2021)

Extrapolation in Statistical Learning with Extreme Value Theory
von: Engelke, Sebastian, et al.
Veröffentlicht: (2026)

A Theory of the Mechanics of Information: Generalization Through Measurement of Uncertainty (Learning is Measuring)
von: Hazard, Christopher J., et al.
Veröffentlicht: (2025)

Pseudo-Labeling for Unsupervised Domain Adaptation with Kernel GLMs
von: Weill, Nathan, et al.
Veröffentlicht: (2026)

Domain Generalization by Functional Regression
von: Holzleitner, Markus, et al.
Veröffentlicht: (2023)

A Unified Information-Theoretic Framework for Meta-Learning Generalization
von: Wen, Wen, et al.
Veröffentlicht: (2025)

Multi-Armed Bandits With Machine Learning-Generated Surrogate Rewards
von: Ji, Wenlong, et al.
Veröffentlicht: (2025)

Direct Doubly Robust Estimation of Conditional Quantile Contrasts
von: Givens, Josh, et al.
Veröffentlicht: (2026)

Asymptotic Theory of Geometric and Adaptive $k$-Means Clustering
von: Jaffe, Adam Quinn
Veröffentlicht: (2022)

Out-of-Distribution Generalization of In-Context Learning: A Low-Dimensional Subspace Perspective
von: Kwon, Soo Min, et al.
Veröffentlicht: (2025)

Evaluating and Correcting Performative Effects of Decision Support Systems via Causal Domain Shift
von: Boeken, Philip, et al.
Veröffentlicht: (2024)

Gradient Equilibrium in Online Learning: Theory and Applications
von: Angelopoulos, Anastasios N., et al.
Veröffentlicht: (2025)

A Theory of Feature Learning in Kernel Models
von: Chen, Yunlu, et al.
Veröffentlicht: (2023)

High-Dimensional Importance-Weighted Information Criteria: Theory and Optimality
von: Cao, Yong-Syun, et al.
Veröffentlicht: (2025)

Generalized Robust Adaptive-Bandwidth Multi-View Manifold Learning in High Dimensions with Noise
von: Ding, Xiucai, et al.
Veröffentlicht: (2026)

General Lower Bounds for Differentially Private Federated Learning with Arbitrary Public-Transcript Interactions
von: Li, Yicheng
Veröffentlicht: (2026)

Asymptotic Theory and Phase Transitions for Variable Importance in Quantile Regression Forests
von: Nakamura, Tomoshige, et al.
Veröffentlicht: (2025)

A Theory of Nonparametric Covariance Function Estimation for Discretely Observed Data
von: Terada, Yoshikazu, et al.
Veröffentlicht: (2026)

Meta-Learning with Generalized Ridge Regression: High-dimensional Asymptotics, Optimality and Hyper-covariance Estimation
von: Jin, Yanhao, et al.
Veröffentlicht: (2024)

When Stronger Triggers Backfire: A High-Dimensional Theory of Backdoor Attacks
von: Flynn, Donald, et al.
Veröffentlicht: (2026)