Buchumschlag

Characterizing and Correcting Effective Target Shift in Online Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Ziyan, Hiratani, Naoki
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Optimal Task Order for Continual Learning of Multiple Tasks
von: Li, Ziyan, et al.
Veröffentlicht: (2025)

Disentangling and Mitigating the Impact of Task Similarity for Continual Learning
von: Hiratani, Naoki
Veröffentlicht: (2024)

Importance Weighting Correction of Regularized Least-Squares for Target Shift
von: Gogolashvili, Davit
Veröffentlicht: (2022)

Sample-Mean Anchored Thompson Sampling for Offline-to-Online Learning with Distribution Shift
von: Li, Bochao, et al.
Veröffentlicht: (2026)

Targeted Advertising on Social Networks Using Online Variational Tensor Regression
von: Idé, Tsuyoshi, et al.
Veröffentlicht: (2022)

Online Continual Learning for Anomaly Detection in IoT under Data Distribution Shifts
von: Marinova, Matea, et al.
Veröffentlicht: (2026)

Adapting to Online Distribution Shifts in Deep Learning: A Black-Box Approach
von: Baby, Dheeraj, et al.
Veröffentlicht: (2025)

Online Feature Updates Improve Online (Generalized) Label Shift Adaptation
von: Wu, Ruihan, et al.
Veröffentlicht: (2024)

Beyond Reweighting: On the Predictive Role of Covariate Shift in Effect Generalization
von: Jin, Ying, et al.
Veröffentlicht: (2024)

The Unreasonable Effectiveness of Randomized Representations in Online Continual Graph Learning
von: Donghi, Giovanni, et al.
Veröffentlicht: (2025)

Online Distillation with Continual Learning for Cyclic Domain Shifts
von: Houyon, Joachim, et al.
Veröffentlicht: (2023)

From Target Tracking to Targeting Track -- Part III: Stochastic Process Modeling and Online Learning
von: Li, Tiancheng, et al.
Veröffentlicht: (2025)

OCRR: A Benchmark for Online Correction Recovery under Distribution Shift
von: Grassi, Adrian
Veröffentlicht: (2026)

Causal Covariate Shift Correction using Fisher information penalty
von: Khan, Behraj, et al.
Veröffentlicht: (2025)

Online Distribution Shift Detection via Recency Prediction
von: Luo, Rachel, et al.
Veröffentlicht: (2022)

Probability Passing for Graph Neural Networks: Graph Structure and Representations Joint Learning
von: Wang, Ziyan, et al.
Veröffentlicht: (2024)

TRANSIC: Sim-to-Real Policy Transfer by Learning from Online Correction
von: Jiang, Yunfan, et al.
Veröffentlicht: (2024)

Recurrent Memory for Online Interdomain Gaussian Processes
von: Chen, Wenlong, et al.
Veröffentlicht: (2025)

Online Conformal Inference with Retrospective Adjustment for Faster Adaptation to Distribution Shift
von: Jun, Jungbin, et al.
Veröffentlicht: (2025)

Adapting to Continuous Covariate Shift via Online Density Ratio Estimation
von: Zhang, Yu-Jie, et al.
Veröffentlicht: (2023)

Bayesian-based Online Label Shift Estimation with Dynamic Dirichlet Priors
von: Hu, Jiawei, et al.
Veröffentlicht: (2025)

Online GNN Evaluation Under Test-time Graph Distribution Shifts
von: Zheng, Xin, et al.
Veröffentlicht: (2024)

Addressing Concept Shift in Online Time Series Forecasting: Detect-then-Adapt
von: Zhang, YiFan, et al.
Veröffentlicht: (2024)

A Combinatorial Characterization of Supervised Online Learnability
von: Raman, Vinod, et al.
Veröffentlicht: (2023)

Learning Clinical Representations Under Systematic Distribution Shift
von: Zhang, Yuanyun, et al.
Veröffentlicht: (2026)

Online Imitation Learning for Manipulation via Decaying Relative Correction through Teleoperation
von: Pan, Cheng, et al.
Veröffentlicht: (2025)

Smoothed Online Optimization for Target Tracking: Robust and Learning-Augmented Algorithms
von: Zeynali, Ali, et al.
Veröffentlicht: (2025)

Formal Logic Enabled Personalized Federated Learning Through Property Inference
von: An, Ziyan, et al.
Veröffentlicht: (2024)

Source Component Shift Adaptation via Offline Decomposition and Online Mixing Approach
von: Matsuno, Ryuta
Veröffentlicht: (2025)

Overcoming Negative Transfer by Online Selection: Distant Domain Adaptation for Fault Diagnosis
von: Wang, Ziyan, et al.
Veröffentlicht: (2024)

Mitigating Distribution Shift in Model-based Offline RL via Shifts-aware Reward Learning
von: Luo, Wang, et al.
Veröffentlicht: (2024)

Are Targeted Data Poisoning Attacks as Effective as We Think?
von: Xu, William, et al.
Veröffentlicht: (2025)

Addressing Data Distribution Shifts in Online Machine Learning Powered Smart City Applications Using Augmented Test-Time Adaptation
von: Al-Maliki, Shawqi, et al.
Veröffentlicht: (2022)

Unified Graph Prompt Learning via Low-Rank Graph Message Prompting
von: Wang, Beibei, et al.
Veröffentlicht: (2026)

General and Estimable Learning Bound Unifying Covariate and Concept Shifts
von: Chen, Hongbo, et al.
Veröffentlicht: (2025)

Don't Think It Twice: Exploit Shift Invariance for Efficient Online Streaming Inference of CNNs
von: Kechris, Christodoulos, et al.
Veröffentlicht: (2024)

An Effective Gram Matrix Characterizes Generalization in Deep Networks
von: Yang, Rubing, et al.
Veröffentlicht: (2025)

Fairness-Aware Multi-Group Target Detection in Online Discussion
von: Gupta, Soumyajit, et al.
Veröffentlicht: (2024)

PPA-Game: Characterizing and Learning Competitive Dynamics Among Online Content Creators
von: Xu, Renzhe, et al.
Veröffentlicht: (2024)

PHIDA: Persistence-Guided Node-to-Cluster Mapping for Online Clustering
von: Masuyama, Naoki, et al.
Veröffentlicht: (2026)