Buchumschlag

Koopman-based generalization bound: New aspect for full-rank weights

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Hashimoto, Yuka, Sonoda, Sho, Ishikawa, Isao, Nitanda, Atsushi, Suzuki, Taiji
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Machine Learning Functional Analysis
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Why High-rank Neural Networks Generalize?: An Algebraic Framework with RKHSs
von: Hashimoto, Yuka, et al.
Veröffentlicht: (2025)

A unified Fourier slice method to derive ridgelet transform for a variety of depth-2 neural networks
von: Sonoda, Sho, et al.
Veröffentlicht: (2024)

Deep Koopman-layered Model with Universal Property Based on Toeplitz Matrices
von: Hashimoto, Yuka, et al.
Veröffentlicht: (2024)

Unified generalization analysis for physics informed neural networks
von: Hashimoto, Yuka, et al.
Veröffentlicht: (2026)

Koopman operators with intrinsic observables in rigged reproducing kernel Hilbert spaces
von: Ishikawa, Isao, et al.
Veröffentlicht: (2024)

Why and When Deep is Better than Shallow: Implementation-Agnostic State-Transition Model of Deep Learning
von: Sonoda, Sho, et al.
Veröffentlicht: (2025)

Deep Ridgelet Transform and Unified Universality Theorem for Deep and Shallow Joint-Group-Equivariant Machines
von: Sonoda, Sho, et al.
Veröffentlicht: (2024)

Noncommutative $C^*$-algebra Net: Learning Neural Networks with Powerful Product Structure in $C^*$-algebra
von: Hataya, Ryuichiro, et al.
Veröffentlicht: (2023)

Towards a Unified Analysis of Neural Networks in Nonparametric Instrumental Variable Regression: Optimization and Generalization
von: Chen, Zonghao, et al.
Veröffentlicht: (2025)

Direct Distributional Optimization for Provable Alignment of Diffusion Models
von: Kawata, Ryotaro, et al.
Veröffentlicht: (2025)

Intrinsic Wasserstein Rates for Score-Based Generative Models on Smooth Manifolds
von: Fu, Guoji, et al.
Veröffentlicht: (2026)

Generalization Error Bounds for Picard-Type Operator Learning in Nonlinear Parabolic PDEs
von: Taniguchi, Koichi, et al.
Veröffentlicht: (2026)

Finite-dimensional approximations of push-forwards on locally analytic functionals
von: Ishikawa, Isao
Veröffentlicht: (2024)

An Interpretable Approach to Load Profile Forecasting in Power Grids using Galerkin-Approximated Koopman Pseudospectra
von: Tavasoli, Ali, et al.
Veröffentlicht: (2023)

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

Construction of generalized samplets in Banach spaces
von: Balazs, Peter, et al.
Veröffentlicht: (2024)

Stability of sorting based embeddings
von: Balan, Radu, et al.
Veröffentlicht: (2024)

Dynamical rigidity for weighted composition operators on holomorphic function spaces
von: Ishikawa, Isao
Veröffentlicht: (2026)

Improved Particle Approximation Error for Mean Field Neural Networks
von: Nitanda, Atsushi
Veröffentlicht: (2024)

Propagation of Chaos for Mean-Field Langevin Dynamics and its Application to Model Ensemble
von: Nitanda, Atsushi, et al.
Veröffentlicht: (2025)

Error bounds for particle gradient descent, and extensions of the log-Sobolev and Talagrand inequalities
von: Caprio, Rocco, et al.
Veröffentlicht: (2024)

Universal approximation with complex-valued deep narrow neural networks
von: Geuchen, Paul, et al.
Veröffentlicht: (2023)

Sparse Representer Theorems for Learning in Reproducing Kernel Banach Spaces
von: Wang, Rui, et al.
Veröffentlicht: (2023)

A Fractional Fox H-Function Kernel for Support Vector Machines: Robust Classification via Weighted Transmutation Operators
von: Dorrego, Gustavo
Veröffentlicht: (2026)

Theory-to-Practice Gap for Neural Networks and Neural Operators
von: Grohs, Philipp, et al.
Veröffentlicht: (2025)

Quantitative Sobolev Approximation Bounds for Neural Operators with Empirical Validation on Burgers Equation
von: Hao, Nicole
Veröffentlicht: (2026)

Do stable neural networks exist for classification problems? -- A new view on stability in AI
von: Liu, Z. N. D., et al.
Veröffentlicht: (2024)

On Rank-Dependent Generalisation Error Bounds for Transformers
von: Truong, Lan V.
Veröffentlicht: (2024)

Approximation of Permutation Invariant Polynomials by Transformers: Efficient Construction in Column-Size
von: Takeshita, Naoki, et al.
Veröffentlicht: (2025)

Noisy Data Visualization using Functional Data Analysis
von: Chen, Haozhe, et al.
Veröffentlicht: (2024)

Spherical Analysis of Learning Nonlinear Functionals
von: Yang, Zhenyu, et al.
Veröffentlicht: (2024)

Rough kernel hedging
von: Cirone, Nicola Muca, et al.
Veröffentlicht: (2025)

Hypothesis Spaces for Deep Learning
von: Wang, Rui, et al.
Veröffentlicht: (2024)

Neural reproducing kernel Banach spaces and representer theorems for deep networks
von: Bartolucci, Francesca, et al.
Veröffentlicht: (2024)

Neural networks in non-metric spaces
von: Galimberti, Luca
Veröffentlicht: (2024)

On shallow feedforward neural networks with inputs from a topological space
von: Ismailov, Vugar
Veröffentlicht: (2025)

Convergence Analysis of Max-Min Exponential Neural Network Operators in Orlicz Space
von: Pradhan, Satyaranjan, et al.
Veröffentlicht: (2025)

Horizon Activation Mapping for Neural Networks in Time Series Forecasting
von: Hans, Krupakar, et al.
Veröffentlicht: (2026)

Controlled Learning of Pointwise Nonlinearities in Neural-Network-Like Architectures
von: Unser, Michael, et al.
Veröffentlicht: (2024)

The Function Representation of Artificial Neural Network
von: Ma, Zhongkui
Veröffentlicht: (2019)