Buchumschlag

Beyond the Mean: Distribution-Aware Loss Functions for Bimodal Regression

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Mohammadi-Seif, Abolfazl, Soares, Carlos, Ribeiro, Rita P., Baeza-Yates, Ricardo
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

Face Density as a Proxy for Data Complexity: Quantifying the Hardness of Instance Count
von: Mohammadi-Seif, Abolfazl, et al.
Veröffentlicht: (2026)

Improving Model Safety by Targeted Error Correction
von: Mohammadi-Seif, Abolfazl, et al.
Veröffentlicht: (2026)

Risk-Calibrated Learning: Minimizing Fatal Errors in Medical AI
von: Mohammadi-Seif, Abolfazl, et al.
Veröffentlicht: (2026)

Unimodal Distributions for Ordinal Regression
von: Cardoso, Jaime S., et al.
Veröffentlicht: (2023)

Investigating the Histogram Loss in Regression
von: Imani, Ehsan, et al.
Veröffentlicht: (2024)

Dist Loss: Enhancing Regression in Few-Shot Region through Distribution Distance Constraint
von: Nie, Guangkun, et al.
Veröffentlicht: (2024)

Leaving the Nest: Going Beyond Local Loss Functions for Predict-Then-Optimize
von: Shah, Sanket, et al.
Veröffentlicht: (2023)

Gradient Aligned Regression via Pairwise Losses
von: Zhu, Dixian, et al.
Veröffentlicht: (2024)

Distribution-Aware Reward: Reinforcement Learning over Predictive Distributions for LLM Regression
von: Park, Jungsoo, et al.
Veröffentlicht: (2026)

Toward Efficient Influence Function: Dropout as a Compression Tool
von: Zhang, Yuchen, et al.
Veröffentlicht: (2025)

Nonparametric Distribution Regression Re-calibration
von: Jung, Ádám, et al.
Veröffentlicht: (2026)

Beyond the Norms: Detecting Prediction Errors in Regression Models
von: Altieri, Andres, et al.
Veröffentlicht: (2024)

FAME: Adaptive Functional Attention with Expert Routing for Function-on-Function Regression
von: Gao, Yifei, et al.
Veröffentlicht: (2025)

Meta-Learning Adaptive Loss Functions
von: Raymond, Christian, et al.
Veröffentlicht: (2023)

Beyond MSE: Improving Precipitation Nowcasting with Multi-Quantile Regression
von: van Nieuwkoop, Gijs, et al.
Veröffentlicht: (2026)

CALF: Communication-Aware Learning Framework for Distributed Reinforcement Learning
von: Purves, Carlos, et al.
Veröffentlicht: (2026)

Monte Carlo Beam Search for Actor-Critic Reinforcement Learning in Continuous Control
von: Alzorgan, Hazim, et al.
Veröffentlicht: (2025)

Beyond Accuracy: Introducing a Symbolic-Mechanistic Approach to Interpretable Evaluation
von: Habibi, Reza, et al.
Veröffentlicht: (2026)

APAR: Modeling Irregular Target Functions in Tabular Regression via Arithmetic-Aware Pre-Training and Adaptive-Regularized Fine-Tuning
von: Wu, Hong-Wei, et al.
Veröffentlicht: (2024)

Beyond Additivity: Sparse Isotonic Shapley Regression toward Nonlinear Explainability
von: She, Jialai
Veröffentlicht: (2025)

Visualizing Loss Functions as Topological Landscape Profiles
von: Geniesse, Caleb, et al.
Veröffentlicht: (2024)

REAL: Regression-Aware Reinforcement Learning for LLM-as-a-Judge
von: Zhang, Yasi, et al.
Veröffentlicht: (2026)

Optimistic Regret Bounds for Online Learning in Adversarial Markov Decision Processes
von: Moon, Sang Bin, et al.
Veröffentlicht: (2024)

Improving Node Representation by Boosting Target-Aware Contrastive Loss
von: Lin, Ying-Chun, et al.
Veröffentlicht: (2024)

Transformers Learn Robust In-Context Regression under Distributional Uncertainty
von: Cao, Hoang T. H., et al.
Veröffentlicht: (2026)

Whom to Trust? Elective Learning for Distributed Gaussian Process Regression
von: Yang, Zewen, et al.
Veröffentlicht: (2024)

Error Distribution Smoothing:Advancing Low-Dimensional Imbalanced Regression
von: Chen, Donghe, et al.
Veröffentlicht: (2025)

Distribution-Aware Mean Estimation under User-level Local Differential Privacy
von: Pla, Corentin, et al.
Veröffentlicht: (2024)

Beyond Losses Reweighting: Empowering Multi-Task Learning via the Generalization Perspective
von: Phan, Hoang, et al.
Veröffentlicht: (2022)

A Simple Attention-Based Mechanism for Bimodal Emotion Classification
von: Elabd, Mazen, et al.
Veröffentlicht: (2024)

Beyond the Mean: Fisher-Orthogonal Projection for Natural Gradient Descent in Large Batch Training
von: Lu, Yishun, et al.
Veröffentlicht: (2025)

Fréchet regression with implicit denoising and multicollinearity reduction
von: Mansouri, Dou El Kefel, et al.
Veröffentlicht: (2024)

In Search for Architectures and Loss Functions in Multi-Objective Reinforcement Learning
von: Terekhov, Mikhail, et al.
Veröffentlicht: (2024)

A Note on Knowledge Distillation Loss Function for Object Classification
von: Chen, Defang
Veröffentlicht: (2021)

A Principled Loss Function for Direct Language Model Alignment
von: Tan, Yuandong
Veröffentlicht: (2025)

Beyond Distribution Sharpening: The Importance of Task Rewards
von: Mittal, Sarthak, et al.
Veröffentlicht: (2026)

Beyond Squared Error: Exploring Loss Design for Enhanced Training of Generative Flow Networks
von: Hu, Rui, et al.
Veröffentlicht: (2024)

[Experiments & Analysis] Evaluating the Feasibility of Sampling-Based Techniques for Training Multilayer Perceptrons
von: Ebrahimi, Sana, et al.
Veröffentlicht: (2023)

DAO-GP Drift Aware Online Non-Linear Regression Gaussian-Process
von: Abu-Shaira, Mohammad, et al.
Veröffentlicht: (2025)

Complexity-Aware Deep Symbolic Regression with Robust Risk-Seeking Policy Gradients
von: Bastiani, Zachary, et al.
Veröffentlicht: (2024)