Copertina

Fractionally Supervised Classification with Maxima Nominated Samples

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Jozani, Mohammad Jafari, Wang, Jingyu
Natura:	Preprint
Pubblicazione:	2026
Soggetti:	Methodology Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Threshold Exceedance Estimation in Spatially Correlated Areal Data Using Maxima-Nominated Sampling
di: Jozani, Mohammad Jafari
Pubblicazione: (2026)

Elite-Driven Support Vector Machines for Classification
di: Jozani, Mohammad Jafari, et al.
Pubblicazione: (2026)

L-Estimation of Population Quantiles Using Ranked Set Sampling
di: Jozani, Mohammad Jafari, et al.
Pubblicazione: (2026)

Label Noise Cleaning for Supervised Classification via Bernoulli Random Sampling
di: Liu, Yuxin, et al.
Pubblicazione: (2026)

SHAP-Based Supervised Clustering for Sample Classification and the Generalized Waterfall Plot
di: Lin, Justin, et al.
Pubblicazione: (2025)

Leveraging Rank Information for Robust Regression Analysis: A Nomination Sampling Approach
di: Neve Loewen, et al.
Pubblicazione: (2026)

A Semi-Supervised Kernel Two-Sample Test
di: Lee, Gyumin, et al.
Pubblicazione: (2026)

Finite-Sample and Distribution-Free Fair Classification: Optimal Trade-off Between Excess Risk and Fairness, and the Cost of Group-Blindness
di: Hou, Xiaotian, et al.
Pubblicazione: (2024)

On Fractional Moment Estimation from Polynomial Chaos Expansion
di: Novák, Lukáš, et al.
Pubblicazione: (2024)

Supervised Manifold Learning for Functional Data
di: Tan, Ruoxu, et al.
Pubblicazione: (2025)

Self-Supervised Learning with Gaussian Processes
di: Duan, Yunshan, et al.
Pubblicazione: (2025)

Mixed Matrix Completion in Complex Survey Sampling under Heterogeneous Missingness
di: Mao, Xiaojun, et al.
Pubblicazione: (2024)

SADA: Safe and Adaptive Aggregation of Multiple Black-Box Predictions in Semi-Supervised Learning
di: Shan, Jiawei, et al.
Pubblicazione: (2025)

Noise-Adaptive Conformal Classification with Marginal Coverage
di: Bortolotti, Teresa, et al.
Pubblicazione: (2025)

Task-tailored Pre-processing: Fair Downstream Supervised Learning
di: Sohn, Jinwon, et al.
Pubblicazione: (2026)

Semi-Supervised Health Index Monitoring with Feature Generation and Fusion
di: Frusque, Gaëtan, et al.
Pubblicazione: (2023)

An Equal-Probability Partition of the Sample Space: A Non-parametric Inference from Finite Samples
di: Eriksson, Urban
Pubblicazione: (2025)

Wasserstein Gradient Boosting: A Framework for Distribution-Valued Supervised Learning
di: Matsubara, Takuo
Pubblicazione: (2024)

Classifier Pooling for Modern Ordinal Classification
di: Rotenberg, Noam H., et al.
Pubblicazione: (2026)

Active Sequential Two-Sample Testing
di: Li, Weizhi, et al.
Pubblicazione: (2023)

Conformal Risk Control for Ordinal Classification
di: Xu, Yunpeng, et al.
Pubblicazione: (2024)

Sample-Efficient Omniprediction for Proper Losses
di: Gibbs, Isaac, et al.
Pubblicazione: (2025)

Learning from a Biased Sample
di: Sahoo, Roshni, et al.
Pubblicazione: (2022)

Transfer Learning Under High-Dimensional Graph Convolutional Regression Model for Node Classification
di: Chen, Jiachen, et al.
Pubblicazione: (2024)

Deep Deterministic Nonlinear ICA via Total Correlation Minimization with Matrix-Based Entropy Functional
di: Li, Qiang, et al.
Pubblicazione: (2025)

Distribution-free Conformal Prediction for Ordinal Classification
di: Chakraborty, Subhrasish, et al.
Pubblicazione: (2024)

Classification Using Global and Local Mahalanobis Distances
di: Ghosh, Annesha, et al.
Pubblicazione: (2024)

E-Valuating Classifier Two-Sample Tests
di: Pandeva, Teodora, et al.
Pubblicazione: (2022)

Distribution Matching for Self-Supervised Transfer Learning
di: Jiao, Yuling, et al.
Pubblicazione: (2025)

MMDCP: A Distribution-free Approach to Outlier Detection and Classification with Coverage Guarantees and SCW-FDR Control
di: Lin, Youwu, et al.
Pubblicazione: (2025)

BFTS: Thompson Sampling with Bayesian Additive Regression Trees
di: Deng, Ruizhe, et al.
Pubblicazione: (2026)

MLCBART: Multilabel Classification with Bayesian Additive Regression Trees
di: Tian, Jiahao, et al.
Pubblicazione: (2026)

A Black-Box Debiasing Framework for Conditional Sampling
di: Cui, Han, et al.
Pubblicazione: (2025)

Causal Discovery and Classification Using Lempel-Ziv Complexity
di: Dhruthi, et al.
Pubblicazione: (2024)

Advanced Tutorial: Label-Efficient Two-Sample Tests
di: Li, Weizhi, et al.
Pubblicazione: (2025)

Positive and Unlabeled Data: Model, Estimation, Inference, and Classification
di: Liu, Siyan, et al.
Pubblicazione: (2024)

Sample size determination for machine learning in medical research
di: Arifin, Wan Nor, et al.
Pubblicazione: (2025)

Metropolis Sampling
di: Martino, Luca, et al.
Pubblicazione: (2017)

Efficient Online Variational Estimation via Monte Carlo Sampling
di: Chagneux, Mathis, et al.
Pubblicazione: (2026)

JUCAL: Jointly Calibrating Aleatoric and Epistemic Uncertainty in Classification Tasks
di: Heiss, Jakob, et al.
Pubblicazione: (2026)