Buchumschlag

Enhancing Accuracy in Deep Learning Using Random Matrix Theory

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Berlyand, Leonid, Sandier, Etienne, Shmalo, Yitzchak, Zhang, Lei
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Machine Learning Optimization and Control
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Pruning Deep Neural Networks via a Combination of the Marchenko-Pastur Distribution and Regularization
von: Berlyand, Leonid, et al.
Veröffentlicht: (2025)

DLMMPR:Deep Learning-based Measurement Matrix for Phase Retrieval
von: Liu, Jing, et al.
Veröffentlicht: (2025)

Sharpness of Minima in Deep Matrix Factorization
von: Kamber, Anil, et al.
Veröffentlicht: (2025)

Fast and Effective Computation of Generalized Symmetric Matrix Factorization
von: Yang, Lei, et al.
Veröffentlicht: (2026)

Global Convergence of Four-Layer Matrix Factorization under Random Initialization
von: Luo, Minrui, et al.
Veröffentlicht: (2025)

When Deep Learning Meets Polyhedral Theory: A Survey
von: Huchette, Joey, et al.
Veröffentlicht: (2023)

DNNLasso: Scalable Graph Learning for Matrix-Variate Data
von: Lin, Meixia, et al.
Veröffentlicht: (2024)

Adaptive Moment Estimation Optimization Algorithm Using Projection Gradient for Deep Learning
von: Li, Yongqi, et al.
Veröffentlicht: (2025)

Implicit Regularization in Perturbed Deep Matrix Factorization: Spectral Conditions and Stability
von: Wang, Jingzhe, et al.
Veröffentlicht: (2026)

Learning Aligned Stability in Neural ODEs Reconciling Accuracy with Robustness
von: Luo, Chaoyang, et al.
Veröffentlicht: (2025)

SGD with Partial Hessian for Deep Neural Networks Optimization
von: Sun, Ying, et al.
Veröffentlicht: (2024)

ZORMS-LfD: Learning from Demonstrations with Zeroth-Order Random Matrix Search
von: Dry, Olivia, et al.
Veröffentlicht: (2025)

CRONOS: Enhancing Deep Learning with Scalable GPU Accelerated Convex Neural Networks
von: Feng, Miria, et al.
Veröffentlicht: (2024)

Deep Generative Demand Learning for Newsvendor and Pricing
von: Gong, Shijin, et al.
Veröffentlicht: (2024)

Preconditioned Gradient Descent for Over-Parameterized Nonconvex Matrix Factorization
von: Zhang, Gavin, et al.
Veröffentlicht: (2025)

Reevaluating Theoretical Analysis Methods for Optimization in Deep Learning
von: Tran, Hoang, et al.
Veröffentlicht: (2024)

Can Temporal-Difference and Q-Learning Learn Representation? A Mean-Field Theory
von: Zhang, Yufeng, et al.
Veröffentlicht: (2020)

One-Sided Matrix Completion from Ultra-Sparse Samples
von: Zhang, Hongyang R., et al.
Veröffentlicht: (2026)

Can Learning Be Explained By Local Optimality In Robust Low-rank Matrix Recovery?
von: Ma, Jianhao, et al.
Veröffentlicht: (2023)

High-Dimensional Bayesian Optimization Using Both Random and Supervised Embeddings
von: Priem, Rémy, et al.
Veröffentlicht: (2025)

Minimisation of Polyak-Łojasewicz Functions Using Random Zeroth-Order Oracles
von: Farzin, Amir Ali, et al.
Veröffentlicht: (2024)

Adaptive Matrix Online Learning through Smoothing with Guarantees for Nonsmooth Nonconvex Optimization
von: Jiang, Ruichen, et al.
Veröffentlicht: (2026)

Active Learning of Deep Neural Networks via Gradient-Free Cutting Planes
von: Zhang, Erica, et al.
Veröffentlicht: (2024)

Learning Large Causal Structures from Inverse Covariance Matrix via Sparse Matrix Decomposition
von: Dong, Shuyu, et al.
Veröffentlicht: (2022)

Accelerated Methods with Complexity Separation Under Data Similarity for Federated Learning Problems
von: Bylinkin, Dmitry, et al.
Veröffentlicht: (2026)

Nonnegative Low-rank Matrix Recovery Can Have Spurious Local Minima
von: Zhang, Richard Y.
Veröffentlicht: (2025)

Mathematical Foundations of Deep Learning
von: Ye, Xiaojing
Veröffentlicht: (2026)

Universal Approximation Power of Deep Residual Neural Networks via Nonlinear Control Theory
von: Tabuada, Paulo, et al.
Veröffentlicht: (2020)

Accuracy of Discretely Sampled Stochastic Policies in Continuous-time Reinforcement Learning
von: Jia, Yanwei, et al.
Veröffentlicht: (2025)

A Theoretical Framework for Grokking: Interpolation followed by Riemannian Norm Minimisation
von: Boursier, Etienne, et al.
Veröffentlicht: (2025)

Deep Learning Methods for S Shaped Utility Maximisation with a Random Reference Point
von: Davey, Ashley, et al.
Veröffentlicht: (2024)

Deep Learning Model Predictive Control for Deep Brain Stimulation in Parkinson's Disease
von: Steffen, Sebastian, et al.
Veröffentlicht: (2025)

A Randomized Zeroth-Order Hierarchical Framework for Heterogeneous Federated Learning
von: Qiu, Yuyang, et al.
Veröffentlicht: (2025)

Learning to Stop: Deep Learning for Mean Field Optimal Stopping
von: Magnino, Lorenzo, et al.
Veröffentlicht: (2024)

Enhancing Distributional Robustness in Principal Component Analysis by Wasserstein Distances
von: Wang, Lei, et al.
Veröffentlicht: (2025)

Deep Learning for the Multiple Optimal Stopping Problem
von: Laurière, Mathieu, et al.
Veröffentlicht: (2025)

A Learned Proximal Alternating Minimization Algorithm and Its Induced Network for a Class of Two-block Nonconvex and Nonsmooth Optimization
von: Chen, Yunmei, et al.
Veröffentlicht: (2024)

Convergence of Alternating Gradient Descent for Matrix Factorization
von: Ward, Rachel, et al.
Veröffentlicht: (2023)

Sum-of-norms regularized Nonnegative Matrix Factorization
von: Ang, Andersen, et al.
Veröffentlicht: (2024)

Heaviside Low-Rank Support Matrix Machine
von: Xiu, Xianchao, et al.
Veröffentlicht: (2026)