Buchumschlag

Adaptive Data Dropout: Towards Self-Regulated Learning in Deep Neural Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Gahir, Amar, Patel, Varshil, Gowda, Shreyank N
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Progressive Data Dropout: An Embarrassingly Simple Approach to Faster Training
von: Sathiyanarayanan, Shriram M, et al.
Veröffentlicht: (2025)

Watt For What: Rethinking Deep Learning's Energy-Performance Relationship
von: Gowda, Shreyank N, et al.
Veröffentlicht: (2023)

FATE: A Prompt-Tuning-Based Semi-Supervised Learning Framework for Extremely Limited Labeled Data
von: Liu, Hezhao, et al.
Veröffentlicht: (2025)

ZeroDiff: Solidified Visual-Semantic Correlation in Zero-Shot Learning
von: Ye, Zihan, et al.
Veröffentlicht: (2024)

Deep Augmentation: Dropout as Augmentation for Self-Supervised Learning
von: Brüel-Gabrielsson, Rickard, et al.
Veröffentlicht: (2023)

CAPT: Class-Aware Prompt Tuning for Federated Long-Tailed Learning with Vision-Language Model
von: Hou, Shihao, et al.
Veröffentlicht: (2025)

CC-SAM: SAM with Cross-feature Attention and Context for Ultrasound Image Segmentation
von: Gowda, Shreyank N, et al.
Veröffentlicht: (2024)

Masks and Manuscripts: Advancing Medical Pre-training with End-to-End Masking and Narrative Structuring
von: Gowda, Shreyank N, et al.
Veröffentlicht: (2024)

Telling Stories for Common Sense Zero-Shot Action Recognition
von: Gowda, Shreyank N, et al.
Veröffentlicht: (2023)

Can We Break Free from Strong Data Augmentations in Self-Supervised Learning?
von: Gowda, Shruthi, et al.
Veröffentlicht: (2024)

Continual Learning Improves Zero-Shot Action Recognition
von: Gowda, Shreyank N, et al.
Veröffentlicht: (2024)

Empowering Tuberculosis Screening with Explainable Self-Supervised Deep Neural Networks
von: Patel, Neel, et al.
Veröffentlicht: (2024)

Self-Regulated Neurogenesis for Online Data-Incremental Learning
von: Yildirim, Murat Onur, et al.
Veröffentlicht: (2024)

How Deep Neural Networks Learn Compositional Data: The Random Hierarchy Model
von: Cagnetta, Francesco, et al.
Veröffentlicht: (2023)

Perturbation on Feature Coalition: Towards Interpretable Deep Neural Networks
von: Hu, Xuran, et al.
Veröffentlicht: (2024)

Prototype-Enhanced Confidence Modeling for Cross-Modal Medical Image-Report Retrieval
von: Gowda, Shreyank N, et al.
Veröffentlicht: (2025)

Sharpness-Aware Minimization with Adaptive Regularization for Training Deep Neural Networks
von: Zou, Jinping, et al.
Veröffentlicht: (2024)

Dynamic Dropout: Leveraging Conway's Game of Life for Neural Networks Regularization
von: Freire-Obregón, David, et al.
Veröffentlicht: (2025)

Reimagining Reality: A Comprehensive Survey of Video Inpainting Techniques
von: Gowda, Shreyank N, et al.
Veröffentlicht: (2024)

Rate-In: Information-Driven Adaptive Dropout Rates for Improved Inference-Time Uncertainty Estimation
von: Zeevi, Tal, et al.
Veröffentlicht: (2024)

RedTest: Towards Measuring Redundancy in Deep Neural Networks Effectively
von: Lu, Yao, et al.
Veröffentlicht: (2024)

Adaptive Batch Normalization Networks for Adversarial Robustness
von: Lo, Shao-Yuan, et al.
Veröffentlicht: (2024)

Generative Autoencoding of Dropout Patterns
von: Maeda, Shunta
Veröffentlicht: (2023)

FE-Adapter: Adapting Image-based Emotion Classifiers to Videos
von: Gowda, Shreyank N, et al.
Veröffentlicht: (2024)

Fine-tuning with Very Large Dropout
von: Zhang, Jianyu, et al.
Veröffentlicht: (2024)

Image Restoration Using Deep Regulated Convolutional Networks
von: Liu, Peng, et al.
Veröffentlicht: (2019)

Quantized and Interpretable Learning Scheme for Deep Neural Networks in Classification Task
von: Maleki, Alireza, et al.
Veröffentlicht: (2024)

Spectral Wavelet Dropout: Regularization in the Wavelet Domain
von: Cakaj, Rinor, et al.
Veröffentlicht: (2024)

Visual Concept Networks: A Graph-Based Approach to Detecting Anomalous Data in Deep Neural Networks
von: Ganguly, Debargha, et al.
Veröffentlicht: (2024)

Dual Precision Deep Neural Network
von: Park, Jae Hyun, et al.
Veröffentlicht: (2020)

An Adaptive Tangent Feature Perspective of Neural Networks
von: LeJeune, Daniel, et al.
Veröffentlicht: (2023)

Efficient Training of Deep Networks using Guided Spectral Data Selection: A Step Toward Learning What You Need
von: Sharifi, Mohammadreza, et al.
Veröffentlicht: (2025)

L2AE-D: Learning to Aggregate Embeddings for Few-shot Learning with Meta-level Dropout
von: Song, Heda, et al.
Veröffentlicht: (2019)

Discriminative Span as a Predictor of Synthetic Data Utility via Classifier Reconstruction
von: Desai, Radhika Amar, et al.
Veröffentlicht: (2026)

Is Temporal Prompting All We Need For Limited Labeled Action Recognition?
von: Gowda, Shreyank N, et al.
Veröffentlicht: (2025)

Compositional Curvature Bounds for Deep Neural Networks
von: Entesari, Taha, et al.
Veröffentlicht: (2024)

ZeroDiff++: Substantial Unseen Visual-semantic Correlation in Zero-shot Learning
von: Ye, Zihan, et al.
Veröffentlicht: (2026)

Lipschitz Constant Meets Condition Number: Learning Robust and Compact Deep Neural Networks
von: Feng, Yangqi, et al.
Veröffentlicht: (2025)

DQA: An Efficient Method for Deep Quantization of Deep Neural Network Activations
von: Hu, Wenhao, et al.
Veröffentlicht: (2024)

Adaptive Random Feature Regularization on Fine-tuning Deep Neural Networks
von: Yamaguchi, Shin'ya, et al.
Veröffentlicht: (2024)