Copertina

The Wristband Gaussian Loss: Deterministic, Composable Latents via a Sphere-Interval Decomposition

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Parakhin, Mikhail, Carvalho, André M., Haluptzok, Patrick
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

Token Coherence: Adapting MESI Cache Protocols to Minimize Synchronization Overhead in Multi-Agent LLM Systems
di: Parakhin, Vladyslav
Pubblicazione: (2026)

Latent Mode Decomposition
di: Morante, Manuel, et al.
Pubblicazione: (2025)

Deterministic Decomposition of Stochastic Generative Dynamics
di: Song, Xingyu, et al.
Pubblicazione: (2026)

Causal Discovery with Mixed Latent Confounding via Precision Decomposition
di: Asiaee, Amir, et al.
Pubblicazione: (2025)

Tackling Data Heterogeneity in Federated Learning via Loss Decomposition
di: Zeng, Shuang, et al.
Pubblicazione: (2024)

Disentangled Latent Spaces for Reduced Order Models using Deterministic Autoencoders
di: Schwarz, Henning, et al.
Pubblicazione: (2025)

Quantification via Gaussian Latent Space Representations
di: Pérez-Mon, Olaya, et al.
Pubblicazione: (2025)

Proper Latent Decomposition
di: Kelshaw, Daniel, et al.
Pubblicazione: (2024)

Partial Information Decomposition via Normalizing Flows in Latent Gaussian Distributions
di: Zhao, Wenyuan, et al.
Pubblicazione: (2025)

Guaranteed Coverage Prediction Intervals with Gaussian Process Regression
di: Papadopoulos, Harris
Pubblicazione: (2023)

Automated Deterministic Auction Design with Objective Decomposition
di: Duan, Zhijian, et al.
Pubblicazione: (2024)

Achieving Optimal Static and Dynamic Regret Simultaneously in Bandits with Deterministic Losses
di: Qian, Jian, et al.
Pubblicazione: (2026)

Loss Patterns of Neural Networks
di: Skorokhodov, Ivan, et al.
Pubblicazione: (2019)

Angular Constraint Embedding via SpherePair Loss for Constrained Clustering
di: Zhang, Shaojie, et al.
Pubblicazione: (2025)

Harnessing Loss Decomposition for Long-Horizon Wave Predictions via Deep Neural Networks
di: Deo, Indu Kant, et al.
Pubblicazione: (2024)

Tube Loss: A Novel Approach for Prediction Interval Estimation
di: Anand, Pritam, et al.
Pubblicazione: (2024)

Soft Deterministic Policy Gradient with Gaussian Smoothing
di: Na, Hyunjun, et al.
Pubblicazione: (2026)

Maximum a Posteriori Inference for Factor Graphs via Benders' Decomposition
di: Dubey, Harsh Vardhan, et al.
Pubblicazione: (2024)

Robust Time Series Forecasting with Non-Heavy-Tailed Gaussian Loss-Weighted Sampler
di: You, Jiang, et al.
Pubblicazione: (2024)

How Neural Losses Shape VAE Latents
di: Strano, Giorgio, et al.
Pubblicazione: (2026)

Latent Diffeomorphic Dynamic Mode Decomposition
di: Diepeveen, Willem, et al.
Pubblicazione: (2025)

Deterministic Reservoir Computing for Chaotic Time Series Prediction
di: Viehweg, Johannes, et al.
Pubblicazione: (2025)

Successive Halving with Learning Curve Prediction via Latent Kronecker Gaussian Processes
di: Lin, Jihao Andreas, et al.
Pubblicazione: (2025)

Scaling Gaussian Processes for Learning Curve Prediction via Latent Kronecker Structure
di: Lin, Jihao Andreas, et al.
Pubblicazione: (2024)

DBLoss: Decomposition-based Loss Function for Time Series Forecasting
di: Qiu, Xiangfei, et al.
Pubblicazione: (2025)

Training More Robust Classification Model via Discriminative Loss and Gaussian Noise Injection
di: Nguyen, Hai-Vy, et al.
Pubblicazione: (2024)

Scalable Gaussian Processes with Latent Kronecker Structure
di: Lin, Jihao Andreas, et al.
Pubblicazione: (2025)

H-SPLID: HSIC-based Saliency Preserving Latent Information Decomposition
di: Miklautz, Lukas, et al.
Pubblicazione: (2025)

Composable Crystals: Controllable Materials Discovery via Concept Learning
di: Liu, Nian, et al.
Pubblicazione: (2026)

Multi-Head LatentMoE and Head Parallel: Communication-Efficient and Deterministic MoE Parallelism
di: Cui, Chenwei, et al.
Pubblicazione: (2026)

Lie Group Decompositions for Equivariant Neural Networks
di: Mironenco, Mircea, et al.
Pubblicazione: (2023)

Effect Decomposition of Functional-Output Computer Experiments via Orthogonal Additive Gaussian Processes
di: Tan, Yu, et al.
Pubblicazione: (2025)

Adaptive Confidence Intervals in Efron's Gaussian Two-Groups Model
di: Wang, Qiaosen, et al.
Pubblicazione: (2026)

Probabilistic Neural Networks (PNNs) with t-Distributed Outputs: Adaptive Prediction Intervals Beyond Gaussian Assumptions
di: Pourkamali-Anaraki, Farhad
Pubblicazione: (2025)

Novel Pivoted Cholesky Decompositions for Efficient Gaussian Process Inference
di: de Roos, Filip, et al.
Pubblicazione: (2025)

Transformed Latent Variable Multi-Output Gaussian Processes
di: Jiang, Xiaoyu, et al.
Pubblicazione: (2026)

Weighted-Sum of Gaussian Process Latent Variable Models
di: Odgers, James, et al.
Pubblicazione: (2024)

Efficient Video Diffusion Models via Content-Frame Motion-Latent Decomposition
di: Yu, Sihyun, et al.
Pubblicazione: (2024)

Align Your Gaussians: Text-to-4D with Dynamic 3D Gaussians and Composed Diffusion Models
di: Ling, Huan, et al.
Pubblicazione: (2023)

Digital twin for virtual sensing of ferry quays via a Gaussian Process Latent Force Model
di: Sibille, Luigi, et al.
Pubblicazione: (2025)