Buchumschlag

The Numerical Stability of Hyperbolic Representation Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Mishne, Gal, Wan, Zhengchao, Wang, Yusu, Yang, Sheng
Format:	Preprint
Veröffentlicht:	2022
Schlagworte:	Machine Learning Numerical Analysis
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Elucidating Flow Matching ODE Dynamics with Respect to Data Geometries and Denoisers
von: Wan, Zhengchao, et al.
Veröffentlicht: (2024)

Comparing Graph Transformers via Positional Encodings
von: Black, Mitchell, et al.
Veröffentlicht: (2024)

Approximating Numerical Fluxes Using Fourier Neural Operators for Hyperbolic Conservation Laws
von: Kim, Taeyoung, et al.
Veröffentlicht: (2024)

Singularity Formation: Synergy in Theoretical, Numerical and Machine Learning Approaches
von: Wang, Yixuan
Veröffentlicht: (2026)

A PDE-based Explanation of Extreme Numerical Sensitivities and Edge of Stability in Training Neural Networks
von: Sun, Yuxin, et al.
Veröffentlicht: (2022)

Artifacts of Numerical Integration in Learning Dynamical Systems
von: Lu, Bing-Ze, et al.
Veröffentlicht: (2025)

Stabilizing Physics-Informed Consistency Models via Structure-Preserving Training
von: Chang, Che-Chia, et al.
Veröffentlicht: (2026)

Recent and Upcoming Developments in Randomized Numerical Linear Algebra for Machine Learning
von: Dereziński, Michał, et al.
Veröffentlicht: (2024)

Adaptive-Growth Randomized Neural Networks for Level-Set Computation of Multivalued Nonlinear First-Order PDEs with Hyperbolic Characteristics
von: Dang, Haoning, et al.
Veröffentlicht: (2026)

Fuzzy PyTorch: Rapid Numerical Variability Evaluation for Deep Learning Models
von: Gonzalez-Pepe, Inés, et al.
Veröffentlicht: (2026)

Supervised and Unsupervised Neural Network Solver for First Order Hyperbolic Nonlinear PDEs
von: Baba, Zakaria, et al.
Veröffentlicht: (2026)

Weak Physics Informed Neural Networks for Geometry Compatible Hyperbolic Conservation Laws on Manifolds
von: Zhou, Hanfei, et al.
Veröffentlicht: (2025)

Machine Learning Based Optimization Workflow for Tuning Numerical Settings of Differential Equation Solvers for Boundary Value Problems
von: Victor, Viny Saajan, et al.
Veröffentlicht: (2024)

Numerical Error Analysis of Large Language Models
von: Budzinskiy, Stanislav, et al.
Veröffentlicht: (2025)

Parallel-in-Time Probabilistic Numerical ODE Solvers
von: Bosch, Nathanael, et al.
Veröffentlicht: (2023)

Power Transform Revisited: Numerically Stable, and Federated
von: Xu, Xuefeng, et al.
Veröffentlicht: (2025)

Numerical Considerations for the Construction of Karhunen-Loève Expansions
von: Safta, Cosmin, et al.
Veröffentlicht: (2026)

Don't Fix the Basis -- Learn It: Spectral Representation with Adaptive Basis Learning for PDEs
von: Zhao, Xuxiang, et al.
Veröffentlicht: (2026)

Deep adaptive sampling for surrogate modeling without labeled data
von: Wang, Xili, et al.
Veröffentlicht: (2024)

Discrete Differential Principle for Continuous Smooth Function Representation
von: Wang, Guoyou, et al.
Veröffentlicht: (2025)

Blending Neural Operators and Relaxation Methods in PDE Numerical Solvers
von: Zhang, Enrui, et al.
Veröffentlicht: (2022)

Stabilizing and Solving Unique Continuation Problems by Parameterizing Data and Learning Finite Element Solution Operators
von: Burman, Erik, et al.
Veröffentlicht: (2024)

Pychop: Emulating Low-Precision Arithmetic in Numerical Methods and Neural Networks
von: Carson, Erin, et al.
Veröffentlicht: (2025)

Accelerating Natural Gradient Descent for PINNs with Randomized Numerical Linear Algebra
von: Bioli, Ivan, et al.
Veröffentlicht: (2025)

Adversarial Adaptive Sampling: Unify PINN and Optimal Transport for the Approximation of PDEs
von: Tang, Kejun, et al.
Veröffentlicht: (2023)

Escaping Spectral Bias without Backpropagation: Fast Implicit Neural Representations with Extreme Learning Machines
von: Cho, Woojin, et al.
Veröffentlicht: (2026)

Bit-Accurate Modeling of GPU Matrix Multiply-Accumulate Units: Demystifying Numerical Discrepancy and Accuracy
von: Xie, Peichen, et al.
Veröffentlicht: (2025)

Explaining GNN Explanations with Edge Gradients
von: He, Jesse, et al.
Veröffentlicht: (2025)

Adaptive-Distribution Randomized Neural Networks for PDEs: A Low-Dimensional Distribution-Learning Framework
von: Yang, You, et al.
Veröffentlicht: (2026)

Accelerating Legacy Numerical Solvers by Non-intrusive Gradient-based Meta-solving
von: Arisaka, Sohei, et al.
Veröffentlicht: (2024)

Propagating Model Uncertainty through Filtering-based Probabilistic Numerical ODE Solvers
von: Yao, Dingling, et al.
Veröffentlicht: (2025)

Numerical Analysis of HiPPO-LegS ODE for Deep State Space Models
von: Park, Jaesung R., et al.
Veröffentlicht: (2024)

Monte Carlo Neural PDE Solver for Learning PDEs via Probabilistic Representation
von: Zhang, Rui, et al.
Veröffentlicht: (2023)

Numerical Analysis of Stabilization for Random Hyperbolic Systems of Conservation Laws
von: Chu, Shaoshuai, et al.
Veröffentlicht: (2025)

Efficient Numerical Integration in Reproducing Kernel Hilbert Spaces via Leverage Scores Sampling
von: Chatalic, Antoine, et al.
Veröffentlicht: (2023)

Numerical Fragility in Transformers: A Layer-wise Theory for Explaining, Forecasting, and Mitigating Instability
von: Baek, Jinwoo
Veröffentlicht: (2025)

Stabilizing PDE--ML coupled systems
von: Qadeer, Saad, et al.
Veröffentlicht: (2025)

Coupling the reduced-order model and the generative model for an importance sampling estimator
von: Wan, Xiaoliang, et al.
Veröffentlicht: (2019)

Numerical simulation of transient heat conduction with moving heat source using Physics Informed Neural Networks
von: Kalyan, Anirudh, et al.
Veröffentlicht: (2025)

Distances for Markov Chains, and Their Differentiation
von: Brugère, Tristan, et al.
Veröffentlicht: (2023)