Buchumschlag

Towards Foundation Models for Consensus Rank Aggregation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Jin, Yijun, Klüttermann, Simon, Balestra, Chiara, Müller, Emmanuel
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Artificial Intelligence Neural and Evolutionary Computing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Polyra Swarms: A Shape-Based Approach to Machine Learning
von: Klüttermann, Simon, et al.
Veröffentlicht: (2025)

Towards Evolutionary Optimization Using the Ising Model
von: Klüttermann, Simon
Veröffentlicht: (2025)

Foundations of Interpretable Models
von: Barbiero, Pietro, et al.
Veröffentlicht: (2025)

FedAvgen: Metadata for Model Aggregation In Communication Systems
von: Kiggundu, Anthony, et al.
Veröffentlicht: (2025)

Offline Model-Based Optimization by Learning to Rank
von: Tan, Rong-Xi, et al.
Veröffentlicht: (2024)

Position: Leverage Foundational Models for Black-Box Optimization
von: Song, Xingyou, et al.
Veröffentlicht: (2024)

Sharp Generalization Bounds for Foundation Models with Asymmetric Randomized Low-Rank Adapters
von: Kratsios, Anastasis, et al.
Veröffentlicht: (2025)

Physics-Guided Foundation Model for Scientific Discovery: An Application to Aquatic Science
von: Yu, Runlong, et al.
Veröffentlicht: (2025)

Understanding Deep Learning via Notions of Rank
von: Razin, Noam
Veröffentlicht: (2024)

Q-S5: Towards Quantized State Space Models
von: Abreu, Steven, et al.
Veröffentlicht: (2024)

LANCE: Low Rank Activation Compression for Efficient On-Device Continual Learning
von: Apolinario, Marco Paul E., et al.
Veröffentlicht: (2025)

CR-BLEA: Contrastive Ranking for Adaptive Resource Allocation in Bilevel Evolutionary Algorithms
von: Xu, Dejun, et al.
Veröffentlicht: (2025)

Gradient-Free Training of Spiking Neural Networks via Low-Rank Evolution Strategies
von: Patankar, Dhruv, et al.
Veröffentlicht: (2026)

Continual Learning with Neuromorphic Computing: Foundations, Methods, and Emerging Applications
von: Minhas, Mishal Fatima, et al.
Veröffentlicht: (2024)

Towards Universal Offline Black-Box Optimization via Learning Language Model Embeddings
von: Tan, Rong-Xi, et al.
Veröffentlicht: (2025)

Evolutionary Developmental Biology Can Serve as the Conceptual Foundation for a New Design Paradigm in Artificial Intelligence
von: Erden, Zeki Doruk, et al.
Veröffentlicht: (2025)

Towards a theory of model distillation
von: Boix-Adsera, Enric
Veröffentlicht: (2024)

Towards White Box Deep Learning
von: Satkiewicz, Maciej
Veröffentlicht: (2024)

Spacer: Towards Engineered Scientific Inspiration
von: Lee, Minhyeong, et al.
Veröffentlicht: (2025)

Towards Physical Plausibility in Neuroevolution Systems
von: Cortês, Gabriel, et al.
Veröffentlicht: (2024)

Memory Networks: Towards Fully Biologically Plausible Learning
von: Ruiz, Jacobo, et al.
Veröffentlicht: (2024)

Attending to Graph Transformers
von: Müller, Luis, et al.
Veröffentlicht: (2023)

Traveling Waves Encode the Recent Past and Enhance Sequence Learning
von: Keller, T. Anderson, et al.
Veröffentlicht: (2023)

Beyond Attention: Toward Machines with Intrinsic Higher Mental States
von: Adeel, Ahsan
Veröffentlicht: (2025)

SpikySpace: A Spiking State Space Model for Energy-Efficient Time Series Forecasting
von: Tang, Kaiwen, et al.
Veröffentlicht: (2026)

Towards graph neural networks for provably solving convex optimization problems
von: Qian, Chendi, et al.
Veröffentlicht: (2025)

Equation discovery framework EPDE: Towards a better equation discovery
von: Maslyaev, Mikhail, et al.
Veröffentlicht: (2024)

Toward Efficient Deep Spiking Neuron Networks:A Survey On Compression
von: Xie, Hui, et al.
Veröffentlicht: (2024)

Towards evolution of Deep Neural Networks through contrastive Self-Supervised learning
von: Vinhas, Adriano, et al.
Veröffentlicht: (2024)

Recursive Dynamics in Fast-Weights Homeostatic Reentry Networks: Toward Reflective Intelligence
von: Chae, B. G.
Veröffentlicht: (2025)

Memoria: Resolving Fateful Forgetting Problem through Human-Inspired Memory Architecture
von: Park, Sangjun, et al.
Veröffentlicht: (2023)

Toward End-to-End Bearing Fault Diagnosis for Industrial Scenarios with Spiking Neural Networks
von: Zuo, Lin, et al.
Veröffentlicht: (2024)

SemlaFlow -- Efficient 3D Molecular Generation with Latent Attention and Equivariant Flow Matching
von: Irwin, Ross, et al.
Veröffentlicht: (2024)

Deep Learning to Predict Late-Onset Breast Cancer Metastasis: the Single Hyperparameter Grid Search (SHGS) Strategy for Meta Tuning Concerning Deep Feed-forward Neural Network
von: Zhou, Yijun, et al.
Veröffentlicht: (2024)

NOBLE: Accelerating Transformers with Nonlinear Low-Rank Branches
von: Smith, Ethan
Veröffentlicht: (2026)

ActPC-Geom: Towards Scalable Online Neural-Symbolic Learning via Accelerating Active Predictive Coding with Information Geometry & Diverse Cognitive Mechanisms
von: Goertzel, Ben
Veröffentlicht: (2025)

Coalitions of AI-based Methods Predict 15-Year Risks of Breast Cancer Metastasis Using Real-World Clinical Data with AUC up to 0.9
von: Jiang, Xia, et al.
Veröffentlicht: (2024)

Direct Training Needs Regularisation: Anytime Optimal Inference Spiking Neural Network
von: Wu, Dengyu, et al.
Veröffentlicht: (2024)

A binary PSO based ensemble under-sampling model for rebalancing imbalanced training data
von: Li, Jinyan, et al.
Veröffentlicht: (2025)

Genetic Generalized Additive Models
von: Shankar, Kaaustaaub, et al.
Veröffentlicht: (2026)