Buchumschlag

Partial Differential Equations is All You Need for Generating Neural Architectures -- A Theory for Physical Artificial Intelligence Systems

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Guo, Ping, Huang, Kaizhu, Xu, Zenglin
Format:	Preprint
Veröffentlicht:	2021
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Younger: The First Dataset for Artificial Intelligence-Generated Neural Network Architecture
von: Yang, Zhengxin, et al.
Veröffentlicht: (2024)

Attention is All You Need Until You Need Retention
von: Yaslioglu, M. Murat
Veröffentlicht: (2025)

Context is All You Need
von: Delanois, Jean Erik, et al.
Veröffentlicht: (2026)

Is Diversity All You Need for Scalable Robotic Manipulation?
von: Shi, Modi, et al.
Veröffentlicht: (2025)

Exploitation Is All You Need... for Exploration
von: Rentschler, Micah, et al.
Veröffentlicht: (2025)

No More Adam: Learning Rate Scaling at Initialization is All You Need
von: Xu, Minghao, et al.
Veröffentlicht: (2024)

Synthetic Data RL: Task Definition Is All You Need
von: Guo, Yiduo, et al.
Veröffentlicht: (2025)

Cross-Entropy Is All You Need To Invert the Data Generating Process
von: Reizinger, Patrik, et al.
Veröffentlicht: (2024)

All You Need Is Synthetic Task Augmentation
von: Godin, Guillaume
Veröffentlicht: (2025)

Element-wise Attention Is All You Need
von: Feng, Guoxin
Veröffentlicht: (2025)

GeoMaNO: Geometric Mamba Neural Operator for Partial Differential Equations
von: Han, Xi, et al.
Veröffentlicht: (2025)

Rethinking Spectral Graph Neural Networks with Spatially Adaptive Filtering
von: Guo, Jingwei, et al.
Veröffentlicht: (2024)

Transduction is All You Need for Structured Data Workflows
von: Gliozzo, Alfio, et al.
Veröffentlicht: (2025)

Need is All You Need: Homeostatic Neural Networks Adapt to Concept Shift
von: Man, Kingson, et al.
Veröffentlicht: (2022)

Uncertainty Estimation on Graphs with Structure Informed Stochastic Partial Differential Equations
von: Xu, Fred, et al.
Veröffentlicht: (2025)

More Agents Is All You Need
von: Li, Junyou, et al.
Veröffentlicht: (2024)

Cooperation Is All You Need
von: Adeel, Ahsan, et al.
Veröffentlicht: (2023)

Architecture-Aware Learning Curve Extrapolation via Graph Ordinary Differential Equation
von: Ding, Yanna, et al.
Veröffentlicht: (2024)

Towards a Foundation Model for Partial Differential Equations Across Physics Domains
von: Soares, Eduardo, et al.
Veröffentlicht: (2025)

Capabilities Ain't All You Need: Measuring Propensities in AI
von: Romero-Alvarado, Daniel, et al.
Veröffentlicht: (2026)

HDL-GPT: High-Quality HDL is All You Need
von: Kumar, Bhuvnesh, et al.
Veröffentlicht: (2024)

SMGI: A Structural Theory of General Artificial Intelligence
von: Osmani, Aomar
Veröffentlicht: (2026)

Generative Discovery of Partial Differential Equations by Learning from Math Handbooks
von: Xu, Hao, et al.
Veröffentlicht: (2025)

OffSeeker: Online Reinforcement Learning Is Not All You Need for Deep Research Agents
von: Zhou, Yuhang, et al.
Veröffentlicht: (2026)

Tensor Product Attention Is All You Need
von: Zhang, Yifan, et al.
Veröffentlicht: (2025)

Confidence Is All You Need for MI Attacks
von: Sinha, Abhishek, et al.
Veröffentlicht: (2023)

Attention Smoothing Is All You Need For Unlearning
von: Zade, Saleh Zare, et al.
Veröffentlicht: (2026)

Architecture Is All You Need: Diversity-Enabled Sweet Spots for Robust Humanoid Locomotion
von: Werner, Blake, et al.
Veröffentlicht: (2025)

TransMLA: Multi-Head Latent Attention Is All You Need
von: Meng, Fanxu, et al.
Veröffentlicht: (2025)

Context-Selective State Space Models: Feedback is All You Need
von: Zattra, Riccardo, et al.
Veröffentlicht: (2025)

Efficient Deep Learning Board: Training Feedback Is Not All You Need
von: Gong, Lina, et al.
Veröffentlicht: (2024)

Understanding Transformer Architecture through Continuous Dynamics: A Partial Differential Equation Perspective
von: Zhang, Yukun, et al.
Veröffentlicht: (2024)

Choice of PEFT Technique in Continual Learning: Prompt Tuning is Not All You Need
von: Wistuba, Martin, et al.
Veröffentlicht: (2024)

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

The Residual Stream Is All You Need: On the Redundancy of the KV Cache in Transformer Inference
von: Qasim, Kaleem Ullah, et al.
Veröffentlicht: (2026)

Is Exploration All You Need? Effective Exploration Characteristics for Transfer in Reinforcement Learning
von: Balloch, Jonathan C., et al.
Veröffentlicht: (2024)

AirDDE: Multifactor Neural Delay Differential Equations for Air Quality Forecasting
von: Wu, Binqing, et al.
Veröffentlicht: (2026)

Artificial Intelligence-Driven Network-on-Chip Design Space Exploration: Neural Network Architectures for Design
von: N, Amogh Anshu, et al.
Veröffentlicht: (2025)

Similarity is Not All You Need: Endowing Retrieval Augmented Generation with Multi Layered Thoughts
von: Gan, Chunjing, et al.
Veröffentlicht: (2024)

Procedural Memory Is Not All You Need: Bridging Cognitive Gaps in LLM-Based Agents
von: Wheeler, Schaun, et al.
Veröffentlicht: (2025)