Buchumschlag

Generalization error property of infoGAN for two-layer neural network

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Hasan, Mahmud, Muia, Mathias
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Generalization error bounds for two-layer neural networks with Lipschitz loss function
von: Nguwi, Jiang Yu, et al.
Veröffentlicht: (2026)

Kernel Smoothing for Bounded Copula Densities
von: Muia, Mathias N., et al.
Veröffentlicht: (2025)

A duality framework for analyzing random feature and two-layer neural networks
von: Chen, Hongrui, et al.
Veröffentlicht: (2023)

Overparametrized linear dimensionality reductions: From projection pursuit to two-layer neural networks
von: Montanari, Andrea, et al.
Veröffentlicht: (2022)

Ultra-fast feature learning for the training of two-layer neural networks in the two-timescale regime
von: Barboni, Raphaël, et al.
Veröffentlicht: (2025)

Optimization and generalization analysis for two-layer physics-informed neural networks without over-parametrization
von: Zeng, Zhihan, et al.
Veröffentlicht: (2025)

Gaussian mixture layers for neural networks
von: Chewi, Sinho, et al.
Veröffentlicht: (2025)

Penalized KLIC Model Selection for the Generalized Method of Moments in Longitudinal Data with Time-Dependent Covariates
von: Hasan, Mahmud, et al.
Veröffentlicht: (2026)

Enhancing Sentiment Analysis in Bengali Texts: A Hybrid Approach Using Lexicon-Based Algorithm and Pretrained Language Model Bangla-BERT
von: Mahmud, Hemal, et al.
Veröffentlicht: (2024)

The merged-staircase property: a necessary and nearly sufficient condition for SGD learning of sparse functions on two-layer neural networks
von: Abbe, Emmanuel, et al.
Veröffentlicht: (2022)

Learning time-scales in two-layers neural networks
von: Berthier, Raphaël, et al.
Veröffentlicht: (2023)

Memory capacity of two layer neural networks with smooth activations
von: Madden, Liam, et al.
Veröffentlicht: (2023)

SIMAP: A simplicial-map layer for neural networks
von: Gonzalez-Diaz, Rocio, et al.
Veröffentlicht: (2024)

Exact and approximate error bounds for physics-informed neural networks
von: Chantada, Augusto T., et al.
Veröffentlicht: (2024)

SGD method for entropy error function with smoothing l0 regularization for neural networks
von: Nguyen, Trong-Tuan, et al.
Veröffentlicht: (2024)

Improved uncertainty quantification for neural networks with Bayesian last layer
von: Fiedler, Felix, et al.
Veröffentlicht: (2023)

Multi-layer random features and the approximation power of neural networks
von: Takhanov, Rustem
Veröffentlicht: (2024)

Early alignment in two-layer networks training is a two-edged sword
von: Boursier, Etienne, et al.
Veröffentlicht: (2024)

Quantitative convergence of trained single layer neural networks to Gaussian processes
von: Mosig, Eloy, et al.
Veröffentlicht: (2025)

Exact full-RSB SAT/UNSAT transition in infinitely wide two-layer neural networks
von: Annesi, Brandon L., et al.
Veröffentlicht: (2024)

Solution space and storage capacity of fully connected two-layer neural networks with generic activation functions
von: Nishiyama, Sota, et al.
Veröffentlicht: (2024)

Two-hidden-layer ReLU neural networks and finite elements
von: Jin, Pengzhan
Veröffentlicht: (2024)

Shape error prediction in 5-axis machining using graph neural networks
von: Huuk, Julia, et al.
Veröffentlicht: (2024)

Phase transitions in the mini-batch size for sparse and dense two-layer neural networks
von: Marino, Raffaele, et al.
Veröffentlicht: (2023)

The committee machine: Computational to statistical gaps in learning a two-layers neural network
von: Aubin, Benjamin, et al.
Veröffentlicht: (2018)

Sharp description of local minima in the loss landscape of high-dimensional two-layer ReLU neural networks
von: Huang, Jie, et al.
Veröffentlicht: (2026)

Simplicity bias and optimization threshold in two-layer ReLU networks
von: Boursier, Etienne, et al.
Veröffentlicht: (2024)

Generative neural networks for characteristic functions
von: Brück, Florian
Veröffentlicht: (2024)

Asymptotic generalization error of a single-layer graph convolutional network
von: Duranthon, O., et al.
Veröffentlicht: (2024)

Physics-informed neural networks (PINNs) for numerical model error approximation and superresolution
von: Zhuang, Bozhou, et al.
Veröffentlicht: (2024)

Certified machine learning: A posteriori error estimation for physics-informed neural networks
von: Hillebrecht, Birgit, et al.
Veröffentlicht: (2022)

Distributionally robust approximation property of neural networks
von: Ceylan, Mihriban, et al.
Veröffentlicht: (2025)

Astral: training physics-informed neural networks with error majorants
von: Fanaskov, Vladimir, et al.
Veröffentlicht: (2024)

Explicit integral representations and quantitative bounds for two-layer ReLU networks
von: Lee, Anthony
Veröffentlicht: (2026)

Stabilizing Federated Learning under Extreme Heterogeneity with HeteRo-Select
von: Masud, Md. Akmol, et al.
Veröffentlicht: (2025)

Atrial constitutive neural networks
von: Peirlinck, Mathias, et al.
Veröffentlicht: (2025)

Pinet: Optimizing hard-constrained neural networks with orthogonal projection layers
von: Grontas, Panagiotis D., et al.
Veröffentlicht: (2025)

Low-rank surrogate modeling and stochastic zero-order optimization for training of neural networks with black-box layers
von: Chertkov, Andrei, et al.
Veröffentlicht: (2025)

The surrogate Gibbs-posterior of a corrected stochastic MALA: Towards uncertainty quantification for neural networks
von: Bieringer, Sebastian, et al.
Veröffentlicht: (2023)

Do graph neural network states contain graph properties?
von: Pelletreau-Duris, Tom, et al.
Veröffentlicht: (2024)