Buchumschlag

Goal-Driven Adaptive Sampling Strategies for Machine Learning Models Predicting Fields

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Parekh, Jigar, Bekemeyer, Philipp
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

Predicting Onflow Parameters Using Transfer Learning for Domain and Task Adaptation
von: Yilmaz, Emre, et al.
Veröffentlicht: (2025)

Partitioned Surrogates and Thompson Sampling for Multidisciplinary Bayesian Optimization
von: Baars, Susanna, et al.
Veröffentlicht: (2024)

Fusing CFD and measurement data using transfer learning
von: Barklage, Alexander, et al.
Veröffentlicht: (2025)

Food Delivery Time Prediction in Indian Cities Using Machine Learning Models
von: Garg, Ananya, et al.
Veröffentlicht: (2025)

CANARY: Zero-Label Detection of Fine-Tuning Contamination in Language Models
von: Parekh, Swapnil
Veröffentlicht: (2026)

Goal-Driven Reward by Video Diffusion Models for Reinforcement Learning
von: Wang, Qi, et al.
Veröffentlicht: (2025)

Sample-Efficient Bayesian Transfer Learning for Online Machine Parameter Optimization
von: Wagner, Philipp, et al.
Veröffentlicht: (2025)

Policy Trees for Prediction: Interpretable and Adaptive Model Selection for Machine Learning
von: Bertsimas, Dimitris, et al.
Veröffentlicht: (2024)

Iterative Sizing Field Prediction for Adaptive Mesh Generation From Expert Demonstrations
von: Freymuth, Niklas, et al.
Veröffentlicht: (2024)

Data Requirement Goal Modeling for Machine Learning Systems
von: Yamani, Asma, et al.
Veröffentlicht: (2025)

Adaptive Machine Learning-Driven Multi-Fidelity Stratified Sampling for Failure Analysis of Nonlinear Stochastic Systems
von: Xu, Liuyun, et al.
Veröffentlicht: (2025)

Predicting BWR Criticality with Data-Driven Machine Learning Model
von: Oktavian, Muhammad Rizki, et al.
Veröffentlicht: (2024)

Component-Based Machine Learning for Indoor Flow and Temperature Fields Prediction Latent Feature Aggregation and Flow Interaction
von: Wang, Shaofan, et al.
Veröffentlicht: (2025)

Conformal Prediction-Driven Adaptive Sampling for Digital Water Twins
von: Homaei, Mohammadhossein, et al.
Veröffentlicht: (2025)

Goal Exploration via Adaptive Skill Distribution for Goal-Conditioned Reinforcement Learning
von: Wu, Lisheng, et al.
Veröffentlicht: (2024)

Adaptive Conformal Prediction for Quantum Machine Learning
von: Spencer, Douglas, et al.
Veröffentlicht: (2025)

Data-Driven Prediction of Maternal Nutritional Status in Ethiopia Using Ensemble Machine Learning Models
von: Tessema, Amsalu, et al.
Veröffentlicht: (2025)

Fast, Scale-Adaptive, and Uncertainty-Aware Downscaling of Earth System Model Fields with Generative Machine Learning
von: Hess, Philipp, et al.
Veröffentlicht: (2024)

Data-Driven Machine Learning Approaches for Predicting In-Hospital Sepsis Mortality
von: Shumilov, Arseniy, et al.
Veröffentlicht: (2024)

An Adaptive Machine Learning Triage Framework for Predicting Alzheimer's Disease Progression
von: Hou, Richard, et al.
Veröffentlicht: (2025)

Predicting Length of Stay in Neurological ICU Patients Using Classical Machine Learning and Neural Network Models: A Benchmark Study on MIMIC-IV
von: Gabitashvili, Alexander, et al.
Veröffentlicht: (2025)

A Data-Driven Predictive Framework for Inventory Optimization Using Context-Augmented Machine Learning Models
von: Fatima, Anees, et al.
Veröffentlicht: (2026)

Multi-scale Predictive Representations for Goal-conditioned Reinforcement Learning
von: Adaikkappan, Valliappan Chidambaram, et al.
Veröffentlicht: (2026)

Drop the Act: Probe-Filtered RL for Faithful Chain-of-Thought Reasoning
von: Parekh, Swapnil
Veröffentlicht: (2026)

Thinking Wrong in Silence: Backdoor Attacks on Continuous Latent Reasoning
von: Parekh, Swapnil
Veröffentlicht: (2026)

RL-PINNs: Reinforcement Learning-Driven Adaptive Sampling for Efficient Training of PINNs
von: Song, Zhenao
Veröffentlicht: (2025)

Goal-Conditioned Reinforcement Learning for Data-Driven Maritime Navigation
von: Vaidheeswaran, Vaishnav, et al.
Veröffentlicht: (2025)

Learning to Route: Per-Sample Adaptive Routing for Multimodal Multitask Prediction
von: Ajirak, Marzieh, et al.
Veröffentlicht: (2025)

Communication Efficient Adaptive Model-Driven Quantum Federated Learning
von: Gurung, Dev, et al.
Veröffentlicht: (2025)

GCHR : Goal-Conditioned Hindsight Regularization for Sample-Efficient Reinforcement Learning
von: Lei, Xing, et al.
Veröffentlicht: (2025)

MGDA: Model-based Goal Data Augmentation for Offline Goal-conditioned Weighted Supervised Learning
von: Lei, Xing, et al.
Veröffentlicht: (2024)

Data-Driven Antenna Miniaturization: A Knowledge-Based System Integrating Quantum PSO and Predictive Machine Learning Models
von: Parvez, Khan Masood, et al.
Veröffentlicht: (2025)

Dynamic Strategy Planning for Efficient Question Answering with Large Language Models
von: Parekh, Tanmay, et al.
Veröffentlicht: (2024)

On Sampling Strategies for Spectral Model Sharding
von: Korzhenkov, Denis, et al.
Veröffentlicht: (2024)

Machine Learning-Driven Student Performance Prediction for Enhancing Tiered Instruction
von: Chen, Yawen, et al.
Veröffentlicht: (2025)

PrETi: Predicting Execution Time in Early Stage with LLVM and Machine Learning
von: Xu, Risheng, et al.
Veröffentlicht: (2025)

Movie Revenue Prediction using Machine Learning Models
von: Udandarao, Vikranth, et al.
Veröffentlicht: (2024)

Multi-Agent Stock Prediction Systems: Machine Learning Models, Simulations, and Real-Time Trading Strategies
von: Dave, Daksh, et al.
Veröffentlicht: (2025)

Goal Recognition Design for General Behavioral Agents using Machine Learning
von: Kasumba, Robert, et al.
Veröffentlicht: (2024)

Sustainable Visions: Unsupervised Machine Learning Insights on Global Development Goals
von: García-Rodríguez, Alberto, et al.
Veröffentlicht: (2024)