Buchumschlag

Prototype Guided Post-pretraining for Single-Cell Representation Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Weerasekara, Sachini, Darras, Natasha, Kamarthi, Sagar, Price, Colles, Isaacs, Jacqueline
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

Prediction of Clinical Complication Onset using Neural Point Processes
von: Weerasekara, Sachini, et al.
Veröffentlicht: (2025)

Improvements to Disassembly Lot Sizing With Task Control Through Reinforcement Learning
von: Sachini Weerasekara, et al.
Veröffentlicht: (2025)

Temporal Data Requirement for Predicting Unplanned Hospital Readmissions
von: Mohammadi, Ramin, et al.
Veröffentlicht: (2026)

Large Pre-trained time series models for cross-domain Time series analysis tasks
von: Kamarthi, Harshavardhan, et al.
Veröffentlicht: (2023)

Curvature-Guided LoRA: Steering in the pretrained NTK subspace
von: Zheng, Frédéric, et al.
Veröffentlicht: (2026)

Unsupervised Parameter Efficient Source-free Post-pretraining
von: Jha, Abhishek, et al.
Veröffentlicht: (2025)

Evolution Strategies for Deep RL pretraining
von: Martínez, Adrian, et al.
Veröffentlicht: (2026)

The effectiveness of MAE pre-pretraining for billion-scale pretraining
von: Singh, Mannat, et al.
Veröffentlicht: (2023)

Synthetic continued pretraining
von: Yang, Zitong, et al.
Veröffentlicht: (2024)

Language-Enhanced Representation Learning for Single-Cell Transcriptomics
von: Shi, Yaorui, et al.
Veröffentlicht: (2025)

Boosting deep Reinforcement Learning using pretraining with Logical Options
von: Ye, Zihan, et al.
Veröffentlicht: (2026)

In-context Pre-trained Time-Series Foundation Models adapt to Unseen Tasks
von: Xu, Shangqing, et al.
Veröffentlicht: (2026)

Contribution Evaluation of Heterogeneous Participants in Federated Learning via Prototypical Representations
von: Guo, Qi, et al.
Veröffentlicht: (2024)

Prototype-Guided and Lightweight Adapters for Inherent Interpretation and Generalisation in Federated Learning
von: Mensah, Samuel Ofosu, et al.
Veröffentlicht: (2025)

Do pretrained Transformers Learn In-Context by Gradient Descent?
von: Shen, Lingfeng, et al.
Veröffentlicht: (2023)

Learning Graph Structures and Uncertainty for Accurate and Calibrated Time-series Forecasting
von: Kamarthi, Harshavardhan, et al.
Veröffentlicht: (2024)

PTaRL: Prototype-based Tabular Representation Learning via Space Calibration
von: Ye, Hangting, et al.
Veröffentlicht: (2024)

SmilesT5: Domain-specific pretraining for molecular language models
von: Spence, Philip, et al.
Veröffentlicht: (2025)

Next-token pretraining implies in-context learning
von: Riechers, Paul M., et al.
Veröffentlicht: (2025)

A Single Graph Convolution Is All You Need: Efficient Grayscale Image Classification
von: Fein-Ashley, Jacob, et al.
Veröffentlicht: (2024)

Clustering with Communication: A Variational Framework for Single Cell Representation Learning
von: Qi, Cong, et al.
Veröffentlicht: (2025)

Learning the relative composition of EEG signals using pairwise relative shift pretraining
von: Sandino, Christopher, et al.
Veröffentlicht: (2025)

Hyperspherical Forward-Forward with Prototypical Representations
von: Sarode, Shalini, et al.
Veröffentlicht: (2026)

Seeking Universal Shot Language Understanding Solutions
von: Liu, Haoxin, et al.
Veröffentlicht: (2026)

Universal priors: solving empirical Bayes via Bayesian inference and pretraining
von: Cannella, Nick, et al.
Veröffentlicht: (2026)

Reprogramming Foundational Large Language Models(LLMs) for Enterprise Adoption for Spatio-Temporal Forecasting Applications: Unveiling a New Era in Copilot-Guided Cross-Modal Time Series Representation Learning
von: Srinivas, Sakhinana Sagar, et al.
Veröffentlicht: (2024)

Self-Organizing Visual Prototypes for Non-Parametric Representation Learning
von: Silva, Thalles, et al.
Veröffentlicht: (2025)

Joint Embedding Predictive Architecture for self-supervised pretraining on polymer molecular graphs
von: Piccoli, Francesco, et al.
Veröffentlicht: (2025)

Prototype-Guided Diffusion: Visual Conditioning without External Memory
von: Faye, Bilal, et al.
Veröffentlicht: (2025)

What Makes a Representation Good for Single-Cell Perturbation Prediction?
von: Jiang, Wenkang, et al.
Veröffentlicht: (2026)

Prototype-Guided Non-Exemplar Continual Learning for Cross-subject EEG Decoding
von: Li, Dan, et al.
Veröffentlicht: (2025)

Random Forest Autoencoders for Guided Representation Learning
von: Aumon, Adrien, et al.
Veröffentlicht: (2025)

Physics-informed waveform inversion using pretrained wavefield neural operators
von: Huang, Xinquan, et al.
Veröffentlicht: (2025)

Towards a pretrained deep learning estimator of the Linfoot informational correlation
von: Berg, Stéphanie M. van den, et al.
Veröffentlicht: (2025)

Learning Cross-Domain Representations for Transferable Drug Perturbations on Single-Cell Transcriptional Responses
von: Liu, Hui, et al.
Veröffentlicht: (2024)

TextGram: Towards a better domain-adaptive pretraining
von: Hiwarkhedkar, Sharayu, et al.
Veröffentlicht: (2024)

Multi-Knowledge Fusion Network for Time Series Representation Learning
von: Sakhinana, Sagar Srinivas, et al.
Veröffentlicht: (2024)

SLTrain: a sparse plus low-rank approach for parameter and memory efficient pretraining
von: Han, Andi, et al.
Veröffentlicht: (2024)

Morphological Prototyping for Unsupervised Slide Representation Learning in Computational Pathology
von: Song, Andrew H., et al.
Veröffentlicht: (2024)

Prototype-Guided Pseudo-Labeling with Neighborhood-Aware Consistency for Unsupervised Adaptation
von: Ali, Eman, et al.
Veröffentlicht: (2025)