:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Gonon, Lukas, Grigoryeva, Lyudmila, Ortega, Juan-Pablo
Format:	Preprint
Veröffentlicht:	2022
Schlagworte:	Machine Learning
Online-Zugang:	https://arxiv.org/abs/2212.14641
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Memory Capacity of Nonlinear Recurrent Networks: Is it Informative?
von: Ballarin, Giovanni, et al.
Veröffentlicht: (2025)

Memory of recurrent networks: Do we compute it right?
von: Ballarin, Giovanni, et al.
Veröffentlicht: (2023)

From Many Models, One: Macroeconomic Forecasting with Reservoir Ensembles
von: Ballarin, Giovanni, et al.
Veröffentlicht: (2025)

Infinite-dimensional next-generation reservoir computing
von: Grigoryeva, Lyudmila, et al.
Veröffentlicht: (2024)

Feedback-driven recurrent quantum neural network universality
von: Gonon, Lukas, et al.
Veröffentlicht: (2025)

Universal randomised signatures for generative time series modelling
von: Biagini, Francesca, et al.
Veröffentlicht: (2024)

Forecasting causal dynamics with universal reservoirs
von: Grigoryeva, Lyudmila, et al.
Veröffentlicht: (2024)

Random Neural Network Expressivity for Non-Linear Partial Differential Equations
von: Mehmood, Muhammed Ali, et al.
Veröffentlicht: (2026)

Random Feature Representation Boosting
von: Zozoulenko, Nikita, et al.
Veröffentlicht: (2025)

Infinite-dimensional Mahalanobis Distance with Applications to Kernelized Novelty Detection
von: Zozoulenko, Nikita, et al.
Veröffentlicht: (2024)

Prob-GParareal: A Probabilistic Numerical Parallel-in-Time Solver for Differential Equations
von: Gattiglio, Guglielmo, et al.
Veröffentlicht: (2025)

RandNet-Parareal: a time-parallel PDE solver using Random Neural Networks
von: Gattiglio, Guglielmo, et al.
Veröffentlicht: (2024)

Distributional Adversarial Attacks and Training in Deep Hedging
von: He, Guangyi, et al.
Veröffentlicht: (2025)

Reservoir Computing for Macroeconomic Forecasting with Mixed Frequency Data
von: Ballarin, Giovanni, et al.
Veröffentlicht: (2022)

Universal Approximation Theorem and error bounds for quantum neural networks and quantum reservoirs
von: Gonon, Lukas, et al.
Veröffentlicht: (2023)

Gradient Regularized Newton Boosting Trees with Global Convergence
von: Zozoulenko, Nikita, et al.
Veröffentlicht: (2026)

Data-Specific Hyper-Parameter Design: A Paradigm Shift in Reservoir Computing
von: Manjunath, G, et al.
Veröffentlicht: (2026)

Fast Deep Hedging with Second-Order Optimization
von: Mueller, Konrad, et al.
Veröffentlicht: (2024)

Gaussian Match-and-Copy: A Minimalist Benchmark for Studying Transformer Induction
von: Gonon, Antoine, et al.
Veröffentlicht: (2026)

Computing Systemic Risk Measures with Graph Neural Networks
von: Gonon, Lukas, et al.
Veröffentlicht: (2024)

Symmetry-Aware Bayesian Optimization via Max Kernels
von: Bardou, Anthony, et al.
Veröffentlicht: (2025)

A Rescaling-Invariant Lipschitz Bound Based on Path-Metrics for Modern ReLU Network Parameterizations
von: Gonon, Antoine, et al.
Veröffentlicht: (2024)

Non-Vacuous Generalization Bounds: Can Rescaling Invariances Help?
von: Rouchouse, Damien, et al.
Veröffentlicht: (2025)

Insights on Muon from Simple Quadratics
von: Gonon, Antoine, et al.
Veröffentlicht: (2026)

An Overview on Machine Learning Methods for Partial Differential Equations: from Physics Informed Neural Networks to Deep Operator Learning
von: Gonon, Lukas, et al.
Veröffentlicht: (2024)

Fast Inference with Kronecker-Sparse Matrices
von: Gonon, Antoine, et al.
Veröffentlicht: (2024)

A path-norm toolkit for modern networks: consequences, promises and challenges
von: Gonon, Antoine, et al.
Veröffentlicht: (2023)

Support Before Frequency in Discrete Diffusion
von: Müller, Adrian, et al.
Veröffentlicht: (2026)

Invariant kernels on Riemannian symmetric spaces: a harmonic-analytic approach
von: Da Costa, Nathael, et al.
Veröffentlicht: (2023)

Fading memory and the convolution theorem
von: Ortega, Juan-Pablo, et al.
Veröffentlicht: (2024)

A Structure-Preserving Kernel Method for Learning Hamiltonian Systems
von: Hu, Jianyu, et al.
Veröffentlicht: (2024)

Time series classification with random convolution kernels: pooling operators and input representations matter
von: Lo, Mouhamadou Mansour, et al.
Veröffentlicht: (2024)

Detach-ROCKET: Sequential feature selection for time series classification with random convolutional kernels
von: Uribarri, Gonzalo, et al.
Veröffentlicht: (2023)

Learning multi-modal generative models with permutation-invariant encoders and tighter variational objectives
von: Hirt, Marcel, et al.
Veröffentlicht: (2023)

Satellite image classification with neural quantum kernels
von: Rodriguez-Grasa, Pablo, et al.
Veröffentlicht: (2024)

Nearest Neighbors GParareal: Improving Scalability of Gaussian Processes for Parallel-in-Time Solvers
von: Gattiglio, Guglielmo, et al.
Veröffentlicht: (2024)

Can sparsity improve the privacy of neural networks?
von: Gonon, Antoine, et al.
Veröffentlicht: (2023)

OpenReservoirComputing: GPU-Accelerated Reservoir Computing in JAX
von: Williams, Jan, et al.
Veröffentlicht: (2026)

Reconstruction and Prediction of Volterra Integral Equations Driven by Gaussian Noise
von: Xu, Zhihao, et al.
Veröffentlicht: (2025)

The Volterra signature
von: Hager, Paul P., et al.
Veröffentlicht: (2026)