Authors · raw publication identity
Han Bao
全分野 · 掲載済みの全期間（2018–2025年）
データの修正を申請Googleログイン後に申請できます。内容を確認してから対応します。
対象会議のFull paperを全分野・掲載済み全期間でまとめています。1996～2025年の追加分には、氏名の一致・表記の正規化等に基づき同一人物と推定した対応を含みます。本人確認済みの対応や出版時所属の確認とは区別しています。表示する大学は著者ページの識別用で、過去論文の出版時所属や現在所属を示しません。追加分は大学ランキングやEdition別の件数に含みません。保存済みの1996～2025年の対象資料から確認できた範囲を追加しており、全業績の網羅を保証するものではありません。
著者ページの大学: 京都大学 · Top conference papers: 22
分野別内訳
- Machine Learning 16
- AI (General) 3
- Computer Vision 1
- Natural Language Processing 1
- Networks & Mobile Systems 1
- Operating & Distributed Systems 1
分野別の本数はcross-listにより重なる場合があります。合計本数は同一論文を1本に数えます。
年別内訳
- 2025年 7
- 2024年 4
- 2023年 5
- 2022年 2
- 2020年 1
- 2019年 2
- 2018年 1
論文一覧（新しい年順）
- LiD-FL: Towards List-Decodable Federated Learning
著者の全期間ページへの追加分（出版時所属は示していません）
- PhiNets: Brain-inspired Non-contrastive Learning Based on Temporal Prediction Hypothesis
著者の全期間ページへの追加分（出版時所属は示していません）
- TAID: Temporally Adaptive Interpolated Distillation for Efficient Knowledge Transfer in Language Models
著者の全期間ページへの追加分（出版時所属は示していません）
- FlatQuant: Flatness Matters for LLM Quantization
著者の全期間ページへの追加分（出版時所属は示していません）
- Any-stepsize Gradient Descent for Separable Data under Fenchel–Young Losses
著者の全期間ページへの追加分（出版時所属は示していません）
- Establishing Linear Surrogate Regret Bounds for Convex Smooth Losses via Convolutional Fenchel–Young Losses
著者の全期間ページへの追加分（出版時所属は示していません）
- Online Inverse Linear Optimization: Efficient Logarithmic-Regret Algorithm, Robustness to Suboptimality, and Lower Bound
著者の全期間ページへの追加分（出版時所属は示していません）
- Online Structured Prediction with Fenchel–Young Losses and Improved Surrogate Regret for Online Multiclass Classification with Logistic Loss
- Self-attention Networks Localize When QK-eigenspectrum Concentrates
- Parameter-free Clipped Gradient Descent Meets Polyak
- Zipfian Whitening
- BEVStereo: Enhancing Depth Estimation in Multi-View 3D Object Detection with Temporal Stereo
著者の全期間ページへの追加分（出版時所属は示していません）
- Unbalanced Optimal Transport for Unbalanced Word Alignment
- Proper Losses, Moduli of Convexity, and Surrogate Regret Bounds
- Will Large-scale Generative Models Corrupt Future Datasets?
- Beyond Exponential Graph: Communication-Efficient Topologies for Decentralized Learning via Finite-time Convergence
- On the Surrogate Gap between Contrastive and Supervised Losses
著者の全期間ページへの追加分（出版時所属は示していません）
- IMap: Fast and Scalable In-Network Scanning with Programmable Switches
Networks & Mobile Systems / Operating & Distributed Systems
著者の全期間ページへの追加分（出版時所属は示していません）
- Calibrated Surrogate Losses for Adversarially Robust Classification
著者の全期間ページへの追加分（出版時所属は示していません）
- Unsupervised Domain Adaptation Based on Source-Guided Discrepancy
著者の全期間ページへの追加分（出版時所属は示していません）
- Imitation Learning from Imperfect Demonstration
著者の全期間ページへの追加分（出版時所属は示していません）
- Classification from Pairwise Similarity and Unlabeled Data
著者の全期間ページへの追加分（出版時所属は示していません）