Copertina

The Lattice Overparametrization Paradigm for the Machine Learning of Lattice Operators

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Marcondes, Diego, Barrera, Junior
Natura:	Preprint
Pubblicazione:	2023
Soggetti:	Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Complexity Dependent Error Rates for Physics-informed Statistical Learning via the Small-ball Method
di: Marcondes, Diego
Pubblicazione: (2025)

Overparametrized models with posterior drift
di: Coqueret, Guillaume, et al.
Pubblicazione: (2025)

On the Interplay of Priors and Overparametrization in Bayesian Neural Network Posteriors
di: Kobialka, Julius, et al.
Pubblicazione: (2026)

Operator Spectroscopy of Trained Lattice Samplers
di: Qian, Moxian
Pubblicazione: (2026)

On the Epistemic Uncertainty of Overparametrized Neural Networks
di: Rügamer, David
Pubblicazione: (2026)

Distribution-free Deviation Bounds and The Role of Domain Knowledge in Learning via Model Selection with Cross-validation Risk Estimation
di: Marcondes, Diego, et al.
Pubblicazione: (2023)

Understanding Overparametrization in Survival Models through Interpolation
di: Liu, Yin, et al.
Pubblicazione: (2025)

Random test functions, $H^{-1}$ norm equivalence, and stochastic variational physics-informed neural networks
di: Marcondes, Diego
Pubblicazione: (2026)

Training Overparametrized Neural Networks in Sublinear Time
di: Deng, Yichuan, et al.
Pubblicazione: (2022)

Symmetries in Overparametrized Neural Networks: A Mean-Field View
di: Maass, Javier, et al.
Pubblicazione: (2024)

Implicit Compressibility of Overparametrized Neural Networks Trained with Heavy-Tailed SGD
di: Wan, Yijun, et al.
Pubblicazione: (2023)

Lattice: Learning to Efficiently Compress the Memory
di: Karami, Mahdi, et al.
Pubblicazione: (2025)

Surrogate Quantum Circuit Design for the Lattice Boltzmann Collision Operator
di: Lăcătuş, Monica, et al.
Pubblicazione: (2025)

Machine-Learned Force Fields for Lattice Dynamics at Coupled-Cluster Level Accuracy
di: Schönbauer, Sita, et al.
Pubblicazione: (2025)

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

Smoothing the Edges: Smooth Optimization for Sparse Regularization using Hadamard Overparametrization
di: Kolb, Chris, et al.
Pubblicazione: (2023)

Critical Points of Degenerate Metrics on Algebraic Varieties: A Tale of Overparametrization
di: Marchetti, Giovanni Luca, et al.
Pubblicazione: (2025)

Preventing Model Collapse Under Overparametrization: Optimal Mixing Ratios for Interpolation Learning and Ridge Regression
di: Garg, Anvit, et al.
Pubblicazione: (2025)

Generalized Resubstitution for Regression Error Estimation
di: Marcondes, Diego, et al.
Pubblicazione: (2024)

Matrix-free Neural Preconditioner for the Dirac Operator in Lattice Gauge Theory
di: Sun, Yixuan, et al.
Pubblicazione: (2025)

Sparse Linear Regression and Lattice Problems
di: Gupte, Aparna, et al.
Pubblicazione: (2024)

A Local Polyak-Lojasiewicz and Descent Lemma of Gradient Descent For Overparametrized Linear Models
di: Xu, Ziqing, et al.
Pubblicazione: (2025)

OLALa: Online Learned Adaptive Lattice Codes for Heterogeneous Federated Learning
di: Lang, Natalie, et al.
Pubblicazione: (2025)

Transfer Learning for Deep Learning-based Prediction of Lattice Thermal Conductivity
di: Klochko, L., et al.
Pubblicazione: (2024)

Representation Learning on a Random Lattice
di: Brill, Aryeh
Pubblicazione: (2025)

Federated Learning via Lattice Joint Source-Channel Coding
di: Azimi-Abarghouyi, Seyed Mohammad, et al.
Pubblicazione: (2024)

Fast-Forward Lattice Boltzmann: Learning Kinetic Behaviour with Physics-Informed Neural Operators
di: Xue, Xiao, et al.
Pubblicazione: (2025)

Multi-Lattice Sampling of Quantum Field Theories via Neural Operator-based Flows
di: Máté, Bálint, et al.
Pubblicazione: (2024)

Teleodynamic Learning a new Paradigm For Interpretable AI
di: ter Horst, Enrique, et al.
Pubblicazione: (2026)

Leech Lattice Vector Quantization for Efficient LLM Compression
di: van der Ouderaa, Tycho F. A., et al.
Pubblicazione: (2026)

Multivariate Trend Filtering for Lattice Data
di: Sadhanala, Veeranjaneyulu, et al.
Pubblicazione: (2021)

Scaling Autoregressive Models for Lattice Thermodynamics
di: Du, Xiaochen, et al.
Pubblicazione: (2026)

Lattice Deduction Transformers
di: Davis, Liam, et al.
Pubblicazione: (2026)

Fuel Consumption Prediction: A Comparative Analysis of Machine Learning Paradigms
di: Akram, Ali
Pubblicazione: (2026)

Learning Grouped Lattice Vector Quantizers for Low-Bit LLM Compression
di: Zhang, Xi, et al.
Pubblicazione: (2025)

Efficient Learning of Lattice Gauge Theories with Fermions
di: Shukla, Shreya, et al.
Pubblicazione: (2025)

Lattice Climber Attack: Adversarial attacks for randomized mixtures of classifiers
di: Gnecco-Heredia, Lucas, et al.
Pubblicazione: (2025)

Robust Stochastic Gradient Posterior Sampling with Lattice Based Discretisation
di: Mensch, Zier, et al.
Pubblicazione: (2026)

Gradient Based Method for the Fusion of Lattice Quantizers
di: Zhang, Liyuan, et al.
Pubblicazione: (2025)

Learning Biomolecular Motion: The Physics-Informed Machine Learning Paradigm
di: Deshpande, Aaryesh
Pubblicazione: (2025)