Buchumschlag

Group-realizable multi-group learning by minimizing empirical risk

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ardeshir, Navid, Deng, Samuel, Hsu, Daniel, Liu, Jingwen
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Group-wise oracle-efficient algorithms for online multi-group learning
von: Deng, Samuel, et al.
Veröffentlicht: (2024)

Multi-group Learning for Hierarchical Groups
von: Deng, Samuel, et al.
Veröffentlicht: (2024)

Simple and near-optimal algorithms for hidden stratification and multi-group learning
von: Tosh, Christopher, et al.
Veröffentlicht: (2021)

A One-Inclusion Graph Approach to Multi-Group Learning
von: Bergam, Noah, et al.
Veröffentlicht: (2026)

Schrödinger bridge problem via empirical risk minimization
von: Belomestny, Denis, et al.
Veröffentlicht: (2026)

Quantifying Representation Reliability in Self-Supervised Learning Models
von: Park, Young-Jin, et al.
Veröffentlicht: (2023)

Fixed Universal Transformers
von: Liu, Jingwen, et al.
Veröffentlicht: (2026)

Gradient descent inference in empirical risk minimization
von: Han, Qiyang, et al.
Veröffentlicht: (2024)

Towards Automated Machine Learning Research
von: Ardeshir, Shervin
Veröffentlicht: (2024)

Fast attention mechanisms: a tale of parallelism
von: Liu, Jingwen, et al.
Veröffentlicht: (2025)

Survey on Algorithms for multi-index models
von: Bruna, Joan, et al.
Veröffentlicht: (2025)

An active learning framework for multi-group mean estimation
von: Aznag, Abdellah, et al.
Veröffentlicht: (2025)

ShakyPrepend: A Multi-Group Learner with Improved Sample Complexity
von: Zhang, Lujing, et al.
Veröffentlicht: (2026)

Softmax gradient policy for variance minimization and risk-averse multi armed bandits
von: Turinici, Gabriel
Veröffentlicht: (2026)

Inductive biases of multi-task learning and finetuning: multiple regimes of feature reuse
von: Lippl, Samuel, et al.
Veröffentlicht: (2023)

A first realization of reinforcement learning-based closed-loop EEG-TMS
von: Humaidan, Dania, et al.
Veröffentlicht: (2026)

MatrixNet: Learning over symmetry groups using learned group representations
von: Laird, Lucas, et al.
Veröffentlicht: (2025)

Robust variance-regularized risk minimization with concomitant scaling
von: Holland, Matthew J.
Veröffentlicht: (2023)

An empirical study of testing machine learning in the wild
von: Openja, Moses, et al.
Veröffentlicht: (2023)

Quantum continual learning of quantum data realizing knowledge backward transfer
von: Situ, Haozhen, et al.
Veröffentlicht: (2022)

A multi-view contrastive learning framework for spatial embeddings in risk modelling
von: Holvoet, Freek, et al.
Veröffentlicht: (2025)

Lower bounds for one-layer transformers that compute parity
von: Hsu, Daniel
Veröffentlicht: (2026)

From predictions to confidence intervals: an empirical study of conformal prediction methods for in-context learning
von: Huang, Zhe, et al.
Veröffentlicht: (2025)

On minimizing the training set fill distance in machine learning regression
von: Climaco, Paolo, et al.
Veröffentlicht: (2023)

Local minima of the empirical risk in high dimension: General theorems and convex examples
von: Asgari, Kiana, et al.
Veröffentlicht: (2025)

Empirical risk minimization algorithm for multiclass classification of S.D.E. paths
von: Denis, Christophe, et al.
Veröffentlicht: (2025)

Optimal Bound for PCA with Outliers using Higher-Degree Voronoi Diagrams
von: Hashemian, Sajjad, et al.
Veröffentlicht: (2024)

Turbo your multi-modal classification with contrastive learning
von: Zhang, Zhiyu, et al.
Veröffentlicht: (2024)

Deep reinforcement learning for machine scheduling: Methodology, the state-of-the-art, and future directions
von: Khadivi, Maziyar, et al.
Veröffentlicht: (2023)

Synthesizing Rolling Bearing Fault Samples in New Conditions: A framework based on a modified CGAN
von: Ahang, Maryam, et al.
Veröffentlicht: (2022)

Active learning for regression in engineering populations: A risk-informed approach
von: Clarkson, Daniel R., et al.
Veröffentlicht: (2024)

FOSSIL: Regret-minimizing weighting for robust learning under imbalance and small data
von: Cha, J., et al.
Veröffentlicht: (2025)

Integrating behavior analysis with machine learning to predict online learning performance: A scientometric review and empirical study
von: Yuan, Jin, et al.
Veröffentlicht: (2024)

Collective variables of neural networks: empirical time evolution and scaling laws
von: Tovey, Samuel, et al.
Veröffentlicht: (2024)

Policy learning "without" overlap: Pessimism and generalized empirical Bernstein's inequality
von: Jin, Ying, et al.
Veröffentlicht: (2022)

List-Decodable Regression via Expander Sketching
von: Pourali, Herbod, et al.
Veröffentlicht: (2025)

Unitary convolutions for learning on graphs and groups
von: Kiani, Bobak T., et al.
Veröffentlicht: (2024)

Dimension lower bounds for linear approaches to function approximation
von: Hsu, Daniel
Veröffentlicht: (2025)

Regularising NARX models with multi-task learning
von: Bee, Sarah, et al.
Veröffentlicht: (2025)

Differentiable Multiphysics Co-Optimization via Implicit Neural Representations: A Transient Hamburger-Cooking Benchmark
von: Zobeiry, Navid
Veröffentlicht: (2026)