:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	González, Fabio A., Ramos-Pollán, Raúl, Gallego-Mejia, Joseph A.
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Machine Learning Quantum Physics I.2.6
Online-Zugang:	https://arxiv.org/abs/2305.18204
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Generalization Study of Quantum Neural Network
von: Jiang, JinZhe, et al.
Veröffentlicht: (2020)

Learning thermodynamic master equations for open quantum systems
von: Sentz, Peter, et al.
Veröffentlicht: (2025)

Learning Useful Representations of Recurrent Neural Network Weight Matrices
von: Herrmann, Vincent, et al.
Veröffentlicht: (2024)

Tackling Decision Processes with Non-Cumulative Objectives using Reinforcement Learning
von: Nägele, Maximilian, et al.
Veröffentlicht: (2024)

AI and Machine Learning Approaches for Predicting Nanoparticles Toxicity The Critical Role of Physiochemical Properties
von: Yousaf, Iqra
Veröffentlicht: (2024)

Fusing Rewards and Preferences in Reinforcement Learning
von: Khorasani, Sadegh, et al.
Veröffentlicht: (2025)

CASSANDRA: Programmatic and Probabilistic Learning and Inference for Stochastic World Modeling
von: Lymperopoulos, Panagiotis, et al.
Veröffentlicht: (2026)

Learning Relationship between Quantum Walks and Underdamped Langevin Dynamics
von: Wang, Yazhen
Veröffentlicht: (2026)

Deep Memory Search: A Metaheuristic Approach for Optimizing Heuristic Search
von: Hedar, Abdel-Rahman, et al.
Veröffentlicht: (2024)

Latent Representation Learning of Multi-scale Thermophysics: Application to Dynamics in Shocked Porous Energetic Material
von: Azarfar, Shahab, et al.
Veröffentlicht: (2025)

Empowering Graph Invariance Learning with Deep Spurious Infomax
von: Yao, Tianjun, et al.
Veröffentlicht: (2024)

Pre-Ictal Seizure Prediction Using Personalized Deep Learning
von: Jaddu, Shriya, et al.
Veröffentlicht: (2024)

A Comparative Analysis of Reinforcement Learning and Conventional Deep Learning Approaches for Bearing Fault Diagnosis
von: Çakır, Efe, et al.
Veröffentlicht: (2025)

The Bayesian Confidence (BACON) Estimator for Deep Neural Networks
von: Kee, Patrick D., et al.
Veröffentlicht: (2024)

KerZOO: Kernel Function Informed Zeroth-Order Optimization for Accurate and Accelerated LLM Fine-Tuning
von: Mi, Zhendong, et al.
Veröffentlicht: (2025)

Machine Learning vs Deep Learning: The Generalization Problem
von: Bay, Yong Yi, et al.
Veröffentlicht: (2024)

Multiple Token Divergence: Measuring and Steering In-Context Computation Density
von: Herrmann, Vincent, et al.
Veröffentlicht: (2025)

Understanding Boolean Function Learnability on Deep Neural Networks: PAC Learning Meets Neurosymbolic Models
von: Nicolau, Marcio, et al.
Veröffentlicht: (2020)

Deep Generative Symbolic Regression
von: Holt, Samuel, et al.
Veröffentlicht: (2023)

Deep Variational Inference Symbolic Regression
von: Butterworth, James, et al.
Veröffentlicht: (2026)

Exploring the Technology Landscape through Topic Modeling, Expert Involvement, and Reinforcement Learning
von: Nazari, Ali, et al.
Veröffentlicht: (2025)

Playing Hex and Counter Wargames using Reinforcement Learning and Recurrent Neural Networks
von: Palma, Guilherme, et al.
Veröffentlicht: (2025)

Intervening to Learn and Compose Causally Disentangled Representations
von: Markham, Alex, et al.
Veröffentlicht: (2025)

FLrce: Resource-Efficient Federated Learning with Early-Stopping Strategy
von: Niu, Ziru, et al.
Veröffentlicht: (2023)

Energy and Memory-Efficient Federated Learning With Ordered Layer Freezing
von: Niu, Ziru, et al.
Veröffentlicht: (2025)

Unsupervised Discovery of Clinical Disease Signatures Using Probabilistic Independence
von: Lasko, Thomas A., et al.
Veröffentlicht: (2024)

Bayesian Hierarchical Probabilistic Forecasting of Intraday Electricity Prices
von: Nickelsen, Daniel, et al.
Veröffentlicht: (2024)

ReBoot: Encrypted Training of Deep Neural Networks with CKKS Bootstrapping
von: Pirillo, Alberto, et al.
Veröffentlicht: (2025)

Cost and Reward Infused Metric Elicitation
von: Bhateja, Chethan, et al.
Veröffentlicht: (2025)

Developing a Sequential Deep Learning Pipeline to Model Alaskan Permafrost Thaw Under Climate Change
von: Rahaman, Addina
Veröffentlicht: (2025)

SLAY: Geometry-Aware Spherical Linearized Attention with Yat-Kernel
von: Luna, Jose Miguel, et al.
Veröffentlicht: (2026)

Perfecting Aircraft Maneuvers with Reinforcement Learning
von: Cilan, Atahan, et al.
Veröffentlicht: (2026)

Inferring Thunderstorm Occurrence from Vertical Profiles of Convection-Permitting Simulations: Physical Insights from a Physical Deep Learning Model
von: Yousefnia, Kianusch Vahid, et al.
Veröffentlicht: (2024)

Nonlinear Data Integration via Kernel Methods for Data Collaboration Analysis
von: Suetake, Yamato, et al.
Veröffentlicht: (2026)

Bayesian Attention Mechanism: A Probabilistic Framework for Positional Encoding and Context Length Extrapolation
von: Bianchessi, Arthur S., et al.
Veröffentlicht: (2025)

Towards A Flexible Accuracy-Oriented Deep Learning Module Inference Latency Prediction Framework for Adaptive Optimization Algorithms
von: Shen, Jingran, et al.
Veröffentlicht: (2023)

Symmetric Equilibrium Learning of VAEs
von: Flach, Boris, et al.
Veröffentlicht: (2023)

Towards Scalable and Stable Parallelization of Nonlinear RNNs
von: Gonzalez, Xavier, et al.
Veröffentlicht: (2024)

Learning Transferable Predictability Representations
von: Goswami, Diyali, et al.
Veröffentlicht: (2026)

Downsized and Compromised?: Assessing the Faithfulness of Model Compression
von: Kamal, Moumita, et al.
Veröffentlicht: (2025)