Buchumschlag

Fitting Unknown Number of Hyperplanes with Manifold Optimization

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Cheng, Zhiqin, Zhan, Yu, Zhang, Mingjin, Liu, Lingbo, Lin, Liang
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

Solving PDEs on Unknown Manifolds with Machine Learning
von: Liang, Senwei, et al.
Veröffentlicht: (2021)

An Ensemble Framework for Explainable Geospatial Machine Learning Models
von: Liu, Lingbo
Veröffentlicht: (2024)

Manifold Fitting under Unbounded Noise
von: Yao, Zhigang, et al.
Veröffentlicht: (2019)

Intrinsic Mutual Information as a Modulator for Preference Optimization
von: Liao, Peng, et al.
Veröffentlicht: (2026)

Random Linear Projections Loss for Hyperplane-Based Optimization in Neural Networks
von: Venkatasubramanian, Shyam, et al.
Veröffentlicht: (2023)

A Dataless Reinforcement Learning Approach to Rounding Hyperplane Optimization for Max-Cut
von: Maliakal, Gabriel, et al.
Veröffentlicht: (2025)

A Unified Optimization Framework for Multiclass Classification with Structured Hyperplane Arrangements
von: Blanco, Víctor, et al.
Veröffentlicht: (2025)

Asynchronous Federated Clustering with Unknown Number of Clusters
von: Zhang, Yunfan, et al.
Veröffentlicht: (2024)

Poisson Hyperplane Processes with Rectified Linear Units
von: Ge, Shufei, et al.
Veröffentlicht: (2026)

Distilling the Unknown to Unveil Certainty
von: Zhao, Zhilin, et al.
Veröffentlicht: (2023)

Data Augmentation for Time-Series Classification: An Extensive Empirical Study and Comprehensive Survey
von: Gao, Zijun, et al.
Veröffentlicht: (2023)

Automated Random Embedding for Practical Bayesian Optimization with Unknown Effective Dimension
von: Qian, Hong, et al.
Veröffentlicht: (2026)

High-Dimensional Statistical Process Control via Manifold Fitting and Learning
von: Tas, Burak I., et al.
Veröffentlicht: (2025)

Adaptive Self-supervised Robust Clustering for Unstructured Data with Unknown Cluster Number
von: Ding, Chen-Lu, et al.
Veröffentlicht: (2024)

Probing Neural Combinatorial Optimization Models
von: Zhang, Zhiqin, et al.
Veröffentlicht: (2025)

The Geometric Price of Discrete Logic: Context-driven Manifold Dynamics of Number Representations
von: Zhang, Long, et al.
Veröffentlicht: (2026)

Safety Filters for Black-Box Dynamical Systems by Learning Discriminating Hyperplanes
von: Lavanakul, Will, et al.
Veröffentlicht: (2024)

Exploratory Machine Learning with Unknown Unknowns
von: Zhao, Peng, et al.
Veröffentlicht: (2020)

Causal Bayesian Optimization with Unknown Graphs
von: Durand, Jean, et al.
Veröffentlicht: (2025)

Efficient Personalized Federated PCA with Manifold Optimization for IoT Anomaly Detection
von: Xiu, Xianchao, et al.
Veröffentlicht: (2026)

Boundary Exploration for Bayesian Optimization With Unknown Physical Constraints
von: Tian, Yunsheng, et al.
Veröffentlicht: (2024)

A Federated Generalized Expectation-Maximization Algorithm for Mixture Models with an Unknown Number of Components
von: Ibrahim, Michael, et al.
Veröffentlicht: (2026)

Provably Efficient Bayesian Optimization with Unknown Gaussian Process Hyperparameter Estimation
von: Ha, Huong, et al.
Veröffentlicht: (2023)

Learning Hyperplane Tree: A Piecewise Linear and Fully Interpretable Decision-making Framework
von: Li, Hongyi, et al.
Veröffentlicht: (2025)

Categorical Flow Matching on Statistical Manifolds
von: Cheng, Chaoran, et al.
Veröffentlicht: (2024)

Relation-Aware Equivariant Graph Networks for Epitope-Unknown Antibody Design and Specificity Optimization
von: Wu, Lirong, et al.
Veröffentlicht: (2024)

Digital Twin-assisted Reinforcement Learning for Resource-aware Microservice Offloading in Edge Computing
von: Chen, Xiangchun, et al.
Veröffentlicht: (2024)

Decentralized Online Convex Optimization with Unknown Feedback Delays
von: Qiu, Hao, et al.
Veröffentlicht: (2026)

Adversarial Purification by Consistency-aware Latent Space Optimization on Data Manifolds
von: Zhang, Shuhai, et al.
Veröffentlicht: (2024)

Explicit Formulae to Interchangeably use Hyperplanes and Hyperballs using Inversive Geometry
von: Thordsen, Erik, et al.
Veröffentlicht: (2024)

Mitigating Overfitting in Graph Neural Networks via Feature and Hyperplane Perturbation
von: Choi, Yoonhyuk, et al.
Veröffentlicht: (2022)

FedRD: Reducing Divergences for Generalized Federated Learning via Heterogeneity-aware Parameter Guidance
von: Wang, Kaile, et al.
Veröffentlicht: (2026)

Manifold-Orthogonal Dual-spectrum Extrapolation for Parameterized Physics-Informed Neural Networks
von: Liang, Zhangyong, et al.
Veröffentlicht: (2026)

Joint Representation Learning and Clustering via Gradient-Based Manifold Optimization
von: Liu, Sida, et al.
Veröffentlicht: (2026)

Dying Clusters Is All You Need -- Deep Clustering With an Unknown Number of Clusters
von: Leiber, Collin, et al.
Veröffentlicht: (2024)

Robust Model-Based Optimization for Challenging Fitness Landscapes
von: Ghaffari, Saba, et al.
Veröffentlicht: (2023)

Riemannian Optimization on Relaxed Indicator Matrix Manifold
von: Yuan, Jinghui, et al.
Veröffentlicht: (2025)

Aggregation on Learnable Manifolds for Asynchronous Federated Optimization
von: Licudi, Archie, et al.
Veröffentlicht: (2025)

POP: Prior-Fitted First-Order Optimization Policies
von: Kobiolka, Jan, et al.
Veröffentlicht: (2026)

A Variational Perspective on Generative Protein Fitness Optimization
von: Bogensperger, Lea, et al.
Veröffentlicht: (2025)