:: Library Catalog

Salvato in:

Dettagli Bibliografici
Autori principali:	Su, Jingtong, Zhang, Ya Shi, Tsilivis, Nikolaos, Kempe, Julia
Natura:	Preprint
Pubblicazione:	2023
Soggetti:	Machine Learning
Accesso online:	https://arxiv.org/abs/2311.07444
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Attacking Bayes: On the Adversarial Robustness of Bayesian Neural Networks
di: Feng, Yunzhen, et al.
Pubblicazione: (2024)

The Price of Implicit Bias in Adversarially Robust Generalization
di: Tsilivis, Nikolaos, et al.
Pubblicazione: (2024)

Flavors of Margin: Implicit Bias of Steepest Descent in Homogeneous Neural Networks
di: Tsilivis, Nikolaos, et al.
Pubblicazione: (2024)

How Reinforcement Learning After Next-Token Prediction Facilitates Learning
di: Tsilivis, Nikolaos, et al.
Pubblicazione: (2025)

On the Geometry of Regularization in Adversarial Training: High-Dimensional Asymptotics and Generalization Bounds
di: Vilucchio, Matteo, et al.
Pubblicazione: (2024)

Strong Model Collapse
di: Dohmatob, Elvis, et al.
Pubblicazione: (2024)

Model Collapse Demystified: The Case of Regression
di: Dohmatob, Elvis, et al.
Pubblicazione: (2024)

From Concepts to Components: Concept-Agnostic Attention Module Discovery in Transformers
di: Su, Jingtong, et al.
Pubblicazione: (2025)

Mission Impossible: A Statistical Perspective on Jailbreaking LLMs
di: Su, Jingtong, et al.
Pubblicazione: (2024)

EPA: Neural Collapse Inspired Robust Out-of-Distribution Detector
di: Zhang, Jiawei, et al.
Pubblicazione: (2024)

Beyond Model Collapse: Scaling Up with Synthesized Data Requires Verification
di: Feng, Yunzhen, et al.
Pubblicazione: (2024)

A Tale of Tails: Model Collapse as a Change of Scaling Laws
di: Dohmatob, Elvis, et al.
Pubblicazione: (2024)

Robust Weight Imprinting: Insights from Neural Collapse and Proxy-Based Aggregation
di: Westerhoff, Justus, et al.
Pubblicazione: (2025)

Mind the GAP: Improving Robustness to Subpopulation Shifts with Group-Aware Priors
di: Rudner, Tim G. J., et al.
Pubblicazione: (2024)

Activation Saturation and Floquet Spectrum Collapse in Neural ODEs
di: Matzakos, Nikolaos M.
Pubblicazione: (2026)

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

Trojan Cleansing with Neural Collapse
di: Gu, Xihe, et al.
Pubblicazione: (2024)

The Prevalence of Neural Collapse in Neural Multivariate Regression
di: Andriopoulos, George, et al.
Pubblicazione: (2024)

Deep Neural Regression Collapse
di: Rangamani, Akshay, et al.
Pubblicazione: (2026)

Rethinking Continual Learning with Progressive Neural Collapse
di: Wang, Zheng, et al.
Pubblicazione: (2025)

Optimizer choice matters for the emergence of Neural Collapse
di: Zhao, Jim, et al.
Pubblicazione: (2026)

Pushing Boundaries: Mixup's Influence on Neural Collapse
di: Fisher, Quinn, et al.
Pubblicazione: (2024)

Understanding Representation of Deep Equilibrium Models from Neural Collapse Perspective
di: Sun, Haixiang, et al.
Pubblicazione: (2024)

Deconstructing the Goldilocks Zone of Neural Network Initialization
di: Vysogorets, Artem, et al.
Pubblicazione: (2024)

DRoP: Distributionally Robust Data Pruning
di: Vysogorets, Artem, et al.
Pubblicazione: (2024)

All-around Neural Collapse for Imbalanced Classification
di: Zhang, Enhao, et al.
Pubblicazione: (2024)

Linguistic Collapse: Neural Collapse in (Large) Language Models
di: Wu, Robert, et al.
Pubblicazione: (2024)

The Persistence of Neural Collapse Despite Low-Rank Bias
di: Garrod, Connall, et al.
Pubblicazione: (2024)

The Impact of Geometric Complexity on Neural Collapse in Transfer Learning
di: Munn, Michael, et al.
Pubblicazione: (2024)

Leveraging Intermediate Neural Collapse with Simplex ETFs for Efficient Deep Neural Networks
di: Liu, Emily
Pubblicazione: (2024)

Beyond Unconstrained Features: Neural Collapse for Shallow Neural Networks with General Data
di: Hong, Wanli, et al.
Pubblicazione: (2024)

Can We Understand Plasticity Through Neural Collapse?
di: Bonifazi, Guglielmo, et al.
Pubblicazione: (2024)

Geometric Analysis of Neural Regression Collapse via Intrinsic Dimension
di: Andriopoulos, George, et al.
Pubblicazione: (2025)

Explaining Grokking and Information Bottleneck through Neural Collapse Emergence
di: Sakamoto, Keitaro, et al.
Pubblicazione: (2025)

Flatness is Necessary, Neural Collapse is Not: Rethinking Generalization via Grokking
di: Han, Ting, et al.
Pubblicazione: (2025)

Overcoming the Incentive Collapse Paradox
di: Yin, Qichuan, et al.
Pubblicazione: (2026)

Wide Neural Networks Trained with Weight Decay Provably Exhibit Neural Collapse
di: Jacot, Arthur, et al.
Pubblicazione: (2024)

Detecting Out-of-Distribution Through the Lens of Neural Collapse
di: Liu, Litian, et al.
Pubblicazione: (2023)

The Exploration of Neural Collapse under Imbalanced Data
di: Liu, Haixia
Pubblicazione: (2024)

Scalable Class-Incremental Learning Based on Parametric Neural Collapse
di: Zhang, Chuangxin, et al.
Pubblicazione: (2025)