Buchumschlag

1-Lipschitz Neural Networks are more expressive with N-Activations

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Prach, Bernd, Lampert, Christoph H.
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

Intriguing Properties of Robust Classification
von: Prach, Bernd, et al.
Veröffentlicht: (2024)

On the Sample Complexity of Two-Layer Networks: Lipschitz vs. Element-Wise Lipschitz Activation
von: Daniely, Amit, et al.
Veröffentlicht: (2022)

On the expressivity of bi-Lipschitz normalizing flows
von: Verine, Alexandre, et al.
Veröffentlicht: (2021)

Logic Gate Neural Networks are Good for Verification
von: Kresse, Fabian, et al.
Veröffentlicht: (2025)

Neural Collapse is Globally Optimal in Deep Regularized ResNets and Transformers
von: Súkeník, Peter, et al.
Veröffentlicht: (2025)

Neural Collapse versus Low-rank Bias: Is Deep Neural Collapse Really Optimal?
von: Súkeník, Peter, et al.
Veröffentlicht: (2024)

Fast Rate Bounds for Multi-Task and Meta-Learning with Different Sample Sizes
von: Zakerinia, Hossein, et al.
Veröffentlicht: (2025)

From Privacy to Generalization: Linear Max-Information Bounds for DP-SGD
von: Lampert, Christoph H., et al.
Veröffentlicht: (2026)

Scalable Interconnect Learning in Boolean Networks
von: Kresse, Fabian, et al.
Veröffentlicht: (2025)

Some Fundamental Aspects about Lipschitz Continuity of Neural Networks
von: Khromov, Grigory, et al.
Veröffentlicht: (2023)

Chordal Sparsity for Lipschitz Constant Estimation of Deep Neural Networks
von: Xue, Anton, et al.
Veröffentlicht: (2022)

On the Lipschitz Continuity of Set Aggregation Functions and Neural Networks for Sets
von: Nikolentzos, Giannis, et al.
Veröffentlicht: (2025)

Beyond Lipschitz Continuity and Monotonicity: Fractal and Chaotic Activation Functions in Echo State Networks
von: Chipera, Rae, et al.
Veröffentlicht: (2025)

Learning Quantized Continuous Controllers for Integer Hardware
von: Kresse, Fabian, et al.
Veröffentlicht: (2025)

Optimization-Induced Dynamics of Lipschitz Continuity in Neural Networks
von: Luo, Róisín, et al.
Veröffentlicht: (2025)

Learning Rate Optimization for Deep Neural Networks Using Lipschitz Bandits
von: Priyanka, Padma, et al.
Veröffentlicht: (2024)

Robust One-Class Classification with Signed Distance Function using 1-Lipschitz Neural Networks
von: Bethune, Louis, et al.
Veröffentlicht: (2023)

Semiring Activation in Neural Networks
von: Smets, Bart M. N., et al.
Veröffentlicht: (2024)

PeFLL: Personalized Federated Learning by Learning to Learn
von: Scott, Jonathan, et al.
Veröffentlicht: (2023)

More Flexible PAC-Bayesian Meta-Learning by Learning Learning Algorithms
von: Zakerinia, Hossein, et al.
Veröffentlicht: (2024)

From Low Intrinsic Dimensionality to Non-Vacuous Generalization Bounds in Deep Multi-Task Learning
von: Zakerinia, Hossein, et al.
Veröffentlicht: (2025)

Federated Learning with Unlabeled Clients: Personalization Can Happen in Low Dimensions
von: Zakerinia, Hossein, et al.
Veröffentlicht: (2025)

Step by Step: Adaptive Gradient Descent for Training L-Lipschitz Neural Networks
von: Sung, Kyle, et al.
Veröffentlicht: (2025)

DP-SGD Without Clipping: The Lipschitz Neural Network Way
von: Bethune, Louis, et al.
Veröffentlicht: (2023)

Generalization of Geometric Graph Neural Networks with Lipschitz Loss Functions
von: Wang, Zhiyang, et al.
Veröffentlicht: (2024)

Deep Neural Network Initialization with Sparsity Inducing Activations
von: Price, Ilan, et al.
Veröffentlicht: (2024)

DP-KAN: Differentially Private Kolmogorov-Arnold Networks
von: Kalinin, Nikita P., et al.
Veröffentlicht: (2024)

Differentiable Weightless Controllers: Learning Logic Circuits for Continuous Control
von: Kresse, Fabian, et al.
Veröffentlicht: (2025)

Learning Neural Networks with Sparse Activations
von: Awasthi, Pranjal, et al.
Veröffentlicht: (2024)

Improved Scalable Lipschitz Bounds for Deep Neural Networks
von: Syed, Usman, et al.
Veröffentlicht: (2025)

Continual Release Moment Estimation with Differential Privacy
von: Kalinin, Nikita P., et al.
Veröffentlicht: (2025)

Adaptive Sampling and Clipping for Private Worst-Case Group Optimization
von: Cairney-Leeming, Max, et al.
Veröffentlicht: (2026)

ExLipBaB: Exact Lipschitz Constant Computation for Piecewise Linear Neural Networks
von: Splittgerber, Tom A.
Veröffentlicht: (2026)

ECLipsE-Gen-Local: Efficient Compositional Local Lipschitz Estimates for Deep Neural Networks
von: Xu, Yuezhu, et al.
Veröffentlicht: (2025)

Differentially Private Federated $k$-Means Clustering with Server-Side Data
von: Scott, Jonathan, et al.
Veröffentlicht: (2025)

Estimating Neural Network Robustness via Lipschitz Constant and Architecture Sensitivity
von: Abuduweili, Abulikemu, et al.
Veröffentlicht: (2024)

FSW-GNN: A Bi-Lipschitz WL-Equivalent Graph Neural Network
von: Sverdlov, Yonatan, et al.
Veröffentlicht: (2024)

ECLipsE: Efficient Compositional Lipschitz Constant Estimation for Deep Neural Networks
von: Xu, Yuezhu, et al.
Veröffentlicht: (2024)

Lipschitz-Based Robustness Certification for Recurrent Neural Networks via Convex Relaxation
von: Hamelbeck, Paul, et al.
Veröffentlicht: (2025)

On Robust Reinforcement Learning with Lipschitz-Bounded Policy Networks
von: Barbara, Nicholas H., et al.
Veröffentlicht: (2024)