Buchumschlag

Trustworthy Machine Learning under Distribution Shifts

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Huang, Zhuo
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

Trustworthy Federated Label Distribution Learning under Annotation Quality Disparity
von: Wu, Junxiang, et al.
Veröffentlicht: (2026)

Robust Machine Learning for Regulatory Sequence Modeling under Biological and Technical Distribution Shifts
von: Yang, Yiyao
Veröffentlicht: (2026)

Adaptive Estimation and Learning under Temporal Distribution Shift
von: Baby, Dheeraj, et al.
Veröffentlicht: (2025)

Spatial Distribution-Shift Aware Knowledge-Guided Machine Learning
von: Sharma, Arun, et al.
Veröffentlicht: (2025)

Federated Learning with Profile Mapping under Distribution Shifts and Drifts
von: Li, Mohan, et al.
Veröffentlicht: (2026)

ShiftKD: Benchmarking Knowledge Distillation under Distribution Shift
von: Zhang, Songming, et al.
Veröffentlicht: (2023)

Trustworthy Machine Learning under Social and Adversarial Data Sources
von: Shao, Han
Veröffentlicht: (2024)

Optimal Classification under Performative Distribution Shift
von: Cyffers, Edwige, et al.
Veröffentlicht: (2024)

Quantifying Distribution Shifts and Uncertainties for Enhanced Model Robustness in Machine Learning Applications
von: Flovik, Vegard
Veröffentlicht: (2024)

CUQDS: Conformal Uncertainty Quantification under Distribution Shift for Trajectory Prediction
von: Huang, Huiqun, et al.
Veröffentlicht: (2024)

Data Heterogeneity Modeling for Trustworthy Machine Learning
von: Liu, Jiashuo, et al.
Veröffentlicht: (2025)

Automated Trustworthiness Testing for Machine Learning Classifiers
von: Cho, Steven, et al.
Veröffentlicht: (2024)

Theoretical Analysis of Learned Database Operations under Distribution Shift through Distribution Learnability
von: Zeighami, Sepanta, et al.
Veröffentlicht: (2024)

The Double-Edged Nature of the Rashomon Set for Trustworthy Machine Learning
von: Hsu, Ethan, et al.
Veröffentlicht: (2025)

Certifiably Robust Model Evaluation in Federated Learning under Meta-Distributional Shifts
von: Najafi, Amir, et al.
Veröffentlicht: (2024)

Online Continual Learning for Anomaly Detection in IoT under Data Distribution Shifts
von: Marinova, Matea, et al.
Veröffentlicht: (2026)

Lower Bounds for Public-Private Learning under Distribution Shift
von: Setlur, Amrith, et al.
Veröffentlicht: (2025)

Spectral Invariant Learning for Dynamic Graphs under Distribution Shifts
von: Zhang, Zeyang, et al.
Veröffentlicht: (2024)

Graph Fairness Learning under Distribution Shifts
von: Li, Yibo, et al.
Veröffentlicht: (2024)

Regulation Games for Trustworthy Machine Learning
von: Yaghini, Mohammad, et al.
Veröffentlicht: (2024)

Graphs Generalization under Distribution Shifts
von: Tian, Qin, et al.
Veröffentlicht: (2024)

Distributionally Robust Coreset Selection under Covariate Shift
von: Tanaka, Tomonari, et al.
Veröffentlicht: (2025)

Using Kolmogorov-Smirnov Distance for Measuring Distribution Shift in Machine Learning
von: Tonguz, Ozan K., et al.
Veröffentlicht: (2025)

FLUX: Efficient Descriptor-Driven Clustered Federated Learning under Arbitrary Distribution Shifts
von: Fenoglio, Dario, et al.
Veröffentlicht: (2025)

Fed-ADE: Adaptive Learning Rate for Federated Post-adaptation under Distribution Shift
von: Park, Heewon, et al.
Veröffentlicht: (2026)

On the Benefits of Public Representations for Private Transfer Learning under Distribution Shift
von: Thaker, Pratiksha, et al.
Veröffentlicht: (2023)

Learning Stable Predictors from Weak Supervision under Distribution Shift
von: Shoeibi, Mehrdad, et al.
Veröffentlicht: (2026)

A Survey of Deep Graph Learning under Distribution Shifts: from Graph Out-of-Distribution Generalization to Adaptation
von: Zhang, Kexin, et al.
Veröffentlicht: (2024)

Group Distributionally Robust Machine Learning under Group Level Distributional Uncertainty
von: Konti, Xenia, et al.
Veröffentlicht: (2025)

Trustworthy Efficient Communication for Distributed Learning using LQ-SGD Algorithm
von: Li, Hongyang, et al.
Veröffentlicht: (2025)

Few-shot Cross-country Generalization of Tabular Machine Learning and Foundation Models for Childhood Anemia Prediction under Distribution Shift
von: Brima, Yusuf, et al.
Veröffentlicht: (2026)

Bridging Privacy and Robustness for Trustworthy Machine Learning
von: Zhang, Xiaojin, et al.
Veröffentlicht: (2024)

Weak-to-Strong Generalization under Distribution Shifts
von: Jeon, Myeongho, et al.
Veröffentlicht: (2025)

Wasserstein-regularized Conformal Prediction under General Distribution Shift
von: Xu, Rui, et al.
Veröffentlicht: (2025)

Distributionally Robust Safe Sample Elimination under Covariate Shift
von: Hanada, Hiroyuki, et al.
Veröffentlicht: (2024)

Safe Distributionally Robust Feature Selection under Covariate Shift
von: Hanada, Hiroyuki, et al.
Veröffentlicht: (2026)

Leveraging Gradients for Unsupervised Accuracy Estimation under Distribution Shift
von: Xie, Renchunzi, et al.
Veröffentlicht: (2024)

Optimal Attention Temperature Improves the Robustness of In-Context Learning under Distribution Shift in High Dimensions
von: Demir, Samet, et al.
Veröffentlicht: (2025)

Deep Reinforcement Learning for Robotic Manipulation under Distribution Shift with Bounded Extremum Seeking
von: Saxena, Shaifalee, et al.
Veröffentlicht: (2026)

Understanding and Mitigating Distribution Shifts For Machine Learning Force Fields
von: Kreiman, Tobias, et al.
Veröffentlicht: (2025)