Buchumschlag

Nearly Optimal Learning using Sparse Deep ReLU Networks in Regularized Empirical Risk Minimization with Lipschitz Loss

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Huang, Ke, Liu, Mingming, Ma, Shujie
Format:	Preprint
Veröffentlicht:	2021
Schlagworte:	Methodology
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

ReLU integral probability metric and its applications
von: Park, Yuha, et al.
Veröffentlicht: (2025)

Implicit Regularization Towards Rank Minimization in ReLU Networks
von: Timor, Nadav, et al.
Veröffentlicht: (2022)

Optimal Empirical Risk Minimization under Temporal Distribution Shifts
von: Jeong, Yujin, et al.
Veröffentlicht: (2025)

Regularized Sparse Optimal Discriminant Clustering
von: Hiraishi, Mayu, et al.
Veröffentlicht: (2025)

Geometry-induced Regularization in Deep ReLU Neural Networks
von: Bona-Pellissier, Joachim, et al.
Veröffentlicht: (2024)

Nearly Optimal Approximation Rates for Deep Super ReLU Networks on Sobolev Spaces
von: Yang, Yahong, et al.
Veröffentlicht: (2023)

Nearly Optimal Differentially Private ReLU Regression
von: Ding, Meng, et al.
Veröffentlicht: (2025)

Asymptotic Smoothing of the Lipschitz Loss Landscape in Overparameterized One-Hidden-Layer ReLU Networks
von: Baturin, Saveliy
Veröffentlicht: (2026)

The Geometry of ReLU Networks through the ReLU Transition Graph
von: Dhayalkar, Sahil Rajesh
Veröffentlicht: (2025)

Performance of Empirical Risk Minimization for Linear Regression with Dependent Data
von: Brownlees, Christian, et al.
Veröffentlicht: (2021)

Optimal lower Lipschitz bounds for ReLU layers, saturation, and phase retrieval
von: Freeman, Daniel, et al.
Veröffentlicht: (2025)

Algebraic Approach to Ridge-Regularized Mean Squared Error Minimization in Minimal ReLU Neural Network
von: Fukasaku, Ryoya, et al.
Veröffentlicht: (2025)

A joint modeling approach to treatment effects estimation with unmeasured confounders
von: Lee, Namhwa, et al.
Veröffentlicht: (2024)

Optimal Sets and Solution Paths of ReLU Networks
von: Mishkin, Aaron, et al.
Veröffentlicht: (2023)

Global Minimizers of $\ell^p$-Regularized Objectives Yield the Sparsest ReLU Neural Networks
von: Nakhleh, Julia, et al.
Veröffentlicht: (2025)

Activation-Descent Regularization for Input Optimization of ReLU Networks
von: Yu, Hongzhan, et al.
Veröffentlicht: (2024)

Deep Learning using Rectified Linear Units (ReLU)
von: Agarap, Abien Fred
Veröffentlicht: (2018)

Discrete Functional Geometry of ReLU Networks via ReLU Transition Graphs
von: Dhayalkar, Sahil Rajesh
Veröffentlicht: (2025)

Designing an Optimal Sensor Network via Minimizing Information Loss
von: Waxman, Daniel, et al.
Veröffentlicht: (2025)

Deep ReLU Networks Have Surprisingly Simple Polytopes
von: Fan, Feng-Lei, et al.
Veröffentlicht: (2023)

N-ReLU: Zero-Mean Stochastic Extension of ReLU
von: Manik, Md Motaleb Hossen, et al.
Veröffentlicht: (2025)

Minimal Sufficient Representations for Self-interpretable Deep Neural Networks
von: Tan, Zhiyao, et al.
Veröffentlicht: (2026)

Near-optimal estimates for the $\ell^p$-Lipschitz constants of deep random ReLU neural networks
von: Dirksen, Sjoerd, et al.
Veröffentlicht: (2025)

The Optimal Condition Number for ReLU Function
von: Xia, Yu, et al.
Veröffentlicht: (2025)

Regularized Exponentially Tilted Empirical Likelihood for Bayesian Inference
von: Kim, Eunseop, et al.
Veröffentlicht: (2023)

On the Principles of ReLU Networks with One Hidden Layer
von: Huang, Changcun
Veröffentlicht: (2024)

SurvReLU: Inherently Interpretable Survival Analysis via Deep ReLU Networks
von: Sun, Xiaotong, et al.
Veröffentlicht: (2024)

Strong Approximations for Empirical Processes Indexed by Lipschitz Functions
von: Cattaneo, Matias D., et al.
Veröffentlicht: (2024)

Optimal Approximation Rates for Deep ReLU Neural Networks on Sobolev and Besov Spaces
von: Siegel, Jonathan W.
Veröffentlicht: (2022)

Beyond Regularization: Inherently Sparse Principal Component Analysis
von: Bauer, Jan O.
Veröffentlicht: (2025)

Optimal Rates for Generalization of Gradient Descent for Deep ReLU Classification
von: Li, Yuanfan, et al.
Veröffentlicht: (2025)

Learning Optimal Dynamic Treatment Regimens Subject to Stagewise Risk Controls
von: Liu, Mochuan, et al.
Veröffentlicht: (2022)

Transfer Learning for High Dimensional Robust Regression
von: Yuan, Xiaohui, et al.
Veröffentlicht: (2024)

The Resurrection of the ReLU
von: Horuz, Coşku Can, et al.
Veröffentlicht: (2025)

A New Causal Rule Learning Approach to Interpretable Estimation of Heterogeneous Treatment Effect
von: Wu, Ying, et al.
Veröffentlicht: (2023)

On the Local Complexity of Linear Regions in Deep ReLU Networks
von: Patel, Niket, et al.
Veröffentlicht: (2024)

Implicit Hypersurface Approximation Capacity in Deep ReLU Networks
von: Vallin, Jonatan, et al.
Veröffentlicht: (2024)

Competition-based Adaptive ReLU for Deep Neural Networks
von: Chen, Junjia, et al.
Veröffentlicht: (2024)

Wasserstein Regression with Empirical Measures and Density Estimation for Sparse Data
von: Zhou, Yidong, et al.
Veröffentlicht: (2023)

Optimal Kernel Choice for Score Function-based Causal Discovery
von: Wang, Wenjie, et al.
Veröffentlicht: (2024)