Copertina

Benchmarking Optimizers for MLPs in Tabular Deep Learning

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Gorishniy, Yury, Rubachev, Ivan, Feoktistov, Dmitrii, Babenko, Artem
Natura:	Preprint
Pubblicazione:	2026
Soggetti:	Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

TabReD: Analyzing Pitfalls and Filling the Gaps in Tabular Deep Learning Benchmarks
di: Rubachev, Ivan, et al.
Pubblicazione: (2024)

TabM: Advancing Tabular Deep Learning with Parameter-Efficient Ensembling
di: Gorishniy, Yury, et al.
Pubblicazione: (2024)

Unveiling the Role of Data Uncertainty in Tabular Deep Learning
di: Kartashev, Nikolay, et al.
Pubblicazione: (2025)

On Finetuning Tabular Foundation Models
di: Rubachev, Ivan, et al.
Pubblicazione: (2025)

TabDDPM: Modelling Tabular Data with Diffusion Models
di: Kotelnikov, Akim, et al.
Pubblicazione: (2022)

Talking Trees: Reasoning-Assisted Induction of Decision Trees for Tabular Data
di: Yakushev, George, et al.
Pubblicazione: (2025)

Aligning Distributionally Robust Optimization with Practical Deep Learning Needs
di: Feoktistov, Dmitrii, et al.
Pubblicazione: (2025)

Lower Bounds and Optimal Algorithms for Non-Smooth Convex Decentralized Optimization over Time-Varying Networks
di: Kovalev, Dmitry, et al.
Pubblicazione: (2024)

Turning Tabular Foundation Models into Graph Foundation Models
di: Eremeev, Dmitry, et al.
Pubblicazione: (2025)

Softsign: Smooth Sign in Your Optimizer For Better Parameter Heterogeneity Handling
di: Feoktistov, Dmitrii, et al.
Pubblicazione: (2026)

Better by Default: Strong Pre-Tuned MLPs and Boosted Trees on Tabular Data
di: Holzmüller, David, et al.
Pubblicazione: (2024)

Team up GBDTs and DNNs: Advancing Efficient and Effective Tabular Prediction with Tree-hybrid MLPs
di: Yan, Jiahuan, et al.
Pubblicazione: (2024)

TabularBench: Benchmarking Adversarial Robustness for Tabular Deep Learning in Real-world Use-cases
di: Simonetto, Thibault, et al.
Pubblicazione: (2024)

GraphPFN: A Prior-Data Fitted Graph Foundation Model
di: Eremeev, Dmitry, et al.
Pubblicazione: (2025)

A critical look at the evaluation of GNNs under heterophily: Are we really making progress?
di: Platonov, Oleg, et al.
Pubblicazione: (2023)

Attention versus Contrastive Learning of Tabular Data -- A Data-centric Benchmarking
di: Rabbani, Shourav B., et al.
Pubblicazione: (2024)

Improving Deep Tabular Learning
di: Sarafian, Sivan, et al.
Pubblicazione: (2025)

Provable FDR Control for Deep Feature Selection: Deep MLPs and Beyond
di: Sawaya, Kazuma
Pubblicazione: (2025)

Bayesian Inference with Shaped Deep Non-linear MLPs
di: Hanin, Boris, et al.
Pubblicazione: (2026)

Deep Clustering of Tabular Data by Weighted Gaussian Distribution Learning
di: Rabbani, Shourav B., et al.
Pubblicazione: (2023)

STRABLE: Benchmarking Tabular Machine Learning with Strings
di: Blayer, Gioia, et al.
Pubblicazione: (2026)

A Comprehensive Benchmark of Machine and Deep Learning Across Diverse Tabular Datasets
di: Shmuel, Assaf, et al.
Pubblicazione: (2024)

Characterizing Graph Datasets for Node Classification: Homophily-Heterophily Dichotomy and Beyond
di: Platonov, Oleg, et al.
Pubblicazione: (2022)

MLPMoE: Zero-Shot Architectural Metamorphosis of Dense LLM MLPs into Static Mixture-of-Experts
di: Novikov, Ivan
Pubblicazione: (2025)

Interpolated-MLPs: Controllable Inductive Bias
di: Wu, Sean, et al.
Pubblicazione: (2024)

Converting MLPs into Polynomials in Closed Form
di: Belrose, Nora, et al.
Pubblicazione: (2025)

MLPs Learn In-Context on Regression and Classification Tasks
di: Tong, William L., et al.
Pubblicazione: (2024)

MLPs at the EOC: Spectrum of the NTK
di: Terjék, Dávid, et al.
Pubblicazione: (2025)

MLPs at the EOC: Concentration of the NTK
di: Terjék, Dávid, et al.
Pubblicazione: (2025)

On the Limits of Tabular Hardness Metrics for Deep RL: A Study with the Pharos Benchmark
di: Conserva, Michelangelo, et al.
Pubblicazione: (2025)

A Survey on Deep Tabular Learning
di: Somvanshi, Shriyank, et al.
Pubblicazione: (2024)

Tabular and Deep Learning for the Whittle Index
di: Relaño, Francisco Robledo, et al.
Pubblicazione: (2024)

Tabular and Deep Reinforcement Learning for Gittins Index
di: Dhankhar, Harshit, et al.
Pubblicazione: (2024)

Mambular: A Sequential Model for Tabular Deep Learning
di: Thielmann, Anton Frederik, et al.
Pubblicazione: (2024)

Iterative Feature Exclusion Ranking for Deep Tabular Learning
di: Shaninah, Fathi Said Emhemed, et al.
Pubblicazione: (2024)

On the Efficiency of NLP-Inspired Methods for Tabular Deep Learning
di: Thielmann, Anton Frederik, et al.
Pubblicazione: (2024)

How Data Mixing Shapes In-Context Learning: Asymptotic Equivalence for Transformers with MLPs
di: Demir, Samet, et al.
Pubblicazione: (2025)

Extreme Compression of Large Language Models via Additive Quantization
di: Egiazarian, Vage, et al.
Pubblicazione: (2024)

Bilinear MLPs enable weight-based mechanistic interpretability
di: Pearce, Michael T., et al.
Pubblicazione: (2024)

Hyperparameter Tuning MLPs for Probabilistic Time Series Forecasting
di: Madhusudhanan, Kiran, et al.
Pubblicazione: (2024)