Zobrazeno 1 - 10
of 283
pro vyhledávání: '"superquantile"'
Autor:
Roth, Jake, Cui, Ying
Superquantiles have recently gained significant interest as a risk-aware metric for addressing fairness and distribution shifts in statistical learning and decision making problems. This paper introduces a fast, scalable and robust second-order compu
Externí odkaz:
http://arxiv.org/abs/2405.07965
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
We consider a formulation of supervised learning that endows models with robustness to distributional shifts from training to testing. The formulation hinges upon the superquantile risk measure, also known as the conditional value-at-risk, which has
Externí odkaz:
http://arxiv.org/abs/2201.00505
Publikováno v:
Machine Learning (2023): 1-68
We present a federated learning framework that is designed to robustly deliver good predictive performance across individual clients with heterogeneous data. The proposed approach hinges upon a superquantile-based learning objective that captures the
Externí odkaz:
http://arxiv.org/abs/2112.09429
Classical supervised learning via empirical risk (or negative log-likelihood) minimization hinges upon the assumption that the testing distribution coincides with the training distribution. This assumption can be challenged in modern applications of
Externí odkaz:
http://arxiv.org/abs/2009.14575
Autor:
Costa, Manon, Gadat, Sébastien
In this work, we study a new recursive stochastic algorithm for the joint estimation of quantile and superquantile of an unknown distribution. The novelty of this algorithm is to use the Cesaro averaging of the quantile estimation inside the recursiv
Externí odkaz:
http://arxiv.org/abs/2009.13174
Publikováno v:
Machine Learning (2023): 1-68
We propose a federated learning framework to handle heterogeneous client devices which do not conform to the population data distribution. The approach hinges upon a parameterized superquantile-based objective, where the parameter ranges over levels
Externí odkaz:
http://arxiv.org/abs/2002.11223
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Rockafellar, R. Tyrrell1 rtr@uw.edu, Royset, Johannes O.2 joroyset@nps.edu
Publikováno v:
Annals of Operations Research. Mar2018, Vol. 262 Issue 1, p3-28. 26p.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.