Buchumschlag

An Expectation-Maximization Algorithm for Domain Adaptation in Gaussian Causal Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Javidian, Mohammad Ali
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Causally-Aware Information Bottleneck for Domain Adaptation
von: Javidian, Mohammad Ali
Veröffentlicht: (2026)

Transferring Information Across Interventions in Causal Bayesian Optimization
von: Javidian, Mohammad Ali
Veröffentlicht: (2026)

Multi-Objective Multi-Fidelity Bayesian Optimization with Causal Priors
von: Hossen, Md Abir, et al.
Veröffentlicht: (2026)

Extending Multi-Source Bayesian Optimization With Causality Principles
von: Jacobs, Luuk, et al.
Veröffentlicht: (2026)

Optimal Transport for Domain Adaptation through Gaussian Mixture Models
von: Montesuma, Eduardo Fernandes, et al.
Veröffentlicht: (2024)

Expectation Maximization Pseudo Labels
von: Xu, Moucheng, et al.
Veröffentlicht: (2023)

Simulations of Common Unsupervised Domain Adaptation Algorithms for Image Classification
von: Chaddad, Ahmad, et al.
Veröffentlicht: (2025)

Latent Variable Modeling in Multi-Agent Reinforcement Learning via Expectation-Maximization for UAV-Based Wildlife Protection
von: Taghavi, Mazyar, et al.
Veröffentlicht: (2025)

Bayesian Deep Learning Via Expectation Maximization and Turbo Deep Approximate Message Passing
von: Xu, Wei, et al.
Veröffentlicht: (2024)

Time Series Domain Adaptation via Latent Invariant Causal Mechanism
von: Cai, Ruichu, et al.
Veröffentlicht: (2025)

To Code or not to Code? Adaptive Tool Integration for Math Language Models via Expectation-Maximization
von: Wang, Haozhe, et al.
Veröffentlicht: (2025)

Multi-Domain Causal Discovery in Bijective Causal Models
von: Jalaldoust, Kasra, et al.
Veröffentlicht: (2025)

Detecting Training Data of Large Language Models via Expectation Maximization
von: Kim, Gyuwan, et al.
Veröffentlicht: (2024)

Coarsening Linear Non-Gaussian Causal Models with Cycles
von: Madaleno, Francisco, et al.
Veröffentlicht: (2026)

Bridge the Inference Gaps of Neural Processes via Expectation Maximization
von: Wang, Qi, et al.
Veröffentlicht: (2025)

Local Causal Discovery with Linear non-Gaussian Cyclic Models
von: Dai, Haoyue, et al.
Veröffentlicht: (2024)

Vertical LoRA: Dense Expectation-Maximization Interpretation of Transformers
von: Fu, Zhuolin
Veröffentlicht: (2024)

Expectation Alignment: Handling Reward Misspecification in the Presence of Expectation Mismatch
von: Mechergui, Malek, et al.
Veröffentlicht: (2024)

DiffEM: Learning from Corrupted Data with Diffusion Models via Expectation Maximization
von: Hosseintabar, Danial, et al.
Veröffentlicht: (2025)

GAIN: Multiplicative Modulation for Domain Adaptation
von: Yao, Hengshuai, et al.
Veröffentlicht: (2026)

Knowledge Adaptation as Posterior Correction
von: Khan, Mohammad Emtiyaz
Veröffentlicht: (2025)

Causal Algorithmic Recourse: Foundations and Methods
von: Plecko, Drago, et al.
Veröffentlicht: (2026)

The Importance of Time in Causal Algorithmic Recourse
von: Beretta, Isacco, et al.
Veröffentlicht: (2023)

Context-Aware Self-Adaptation for Domain Generalization
von: Yan, Hao, et al.
Veröffentlicht: (2025)

On the Benefits of Attribute-Driven Graph Domain Adaptation
von: Fang, Ruiyi, et al.
Veröffentlicht: (2025)

Rethinking Propagation for Unsupervised Graph Domain Adaptation
von: Liu, Meihan, et al.
Veröffentlicht: (2024)

Graph Domain Adaptation: Challenges, Progress and Prospects
von: Shi, Boshen, et al.
Veröffentlicht: (2024)

Debiasing Algorithm through Model Adaptation
von: Limisiewicz, Tomasz, et al.
Veröffentlicht: (2023)

Collaborate to Adapt: Source-Free Graph Domain Adaptation via Bi-directional Adaptation
von: Zhang, Zhen, et al.
Veröffentlicht: (2024)

Humanoid-inspired Causal Representation Learning for Domain Generalization
von: Tao, Ze, et al.
Veröffentlicht: (2025)

Black-Box Time-Series Domain Adaptation via Cross-Prompt Foundation Models
von: Furqon, M. T., et al.
Veröffentlicht: (2025)

Bridging Source and Target Domains via Link Prediction for Unsupervised Domain Adaptation on Graphs
von: Wang, Yilong, et al.
Veröffentlicht: (2025)

Enhancing Federated Domain Adaptation with Multi-Domain Prototype-Based Federated Fine-Tuning
von: Zhang, Jingyuan, et al.
Veröffentlicht: (2024)

DIDA: Denoised Imitation Learning based on Domain Adaptation
von: Huang, Kaichen, et al.
Veröffentlicht: (2024)

SA-GDA: Spectral Augmentation for Graph Domain Adaptation
von: Pang, Jinhui, et al.
Veröffentlicht: (2024)

Cross-Domain Policy Adaptation by Capturing Representation Mismatch
von: Lyu, Jiafei, et al.
Veröffentlicht: (2024)

Autonomous Source Knowledge Selection in Multi-Domain Adaptation
von: Li, Keqiuyin, et al.
Veröffentlicht: (2025)

Revisiting, Benchmarking and Understanding Unsupervised Graph Domain Adaptation
von: Liu, Meihan, et al.
Veröffentlicht: (2024)

Degree-Conscious Spiking Graph for Cross-Domain Adaptation
von: Wang, Yingxu, et al.
Veröffentlicht: (2024)

Online Domain-aware LLM Decoding for Continual Domain Evolution
von: Abu-Shaira, Mohammad, et al.
Veröffentlicht: (2026)