Buchumschlag

On Tuning Neural ODE for Stability, Consistency and Faster Convergence

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Akhtar, Sheikh Waqas
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Physics-integrated generative modeling using attentive planar normalizing flow based variational autoencoder
von: Akhtar, Sheikh Waqas
Veröffentlicht: (2024)

SPIN-ODE: Stiff Physics-Informed Neural ODE for Chemical Reaction Rate Estimation
von: Peng, Wenqing, et al.
Veröffentlicht: (2025)

A comparative study of NeuralODE and Universal ODE approaches to solving Chandrasekhar White Dwarf equation
von: Martinez, Raymundo Vazquez, et al.
Veröffentlicht: (2024)

Inconsistencies In Consistency Models: Better ODE Solving Does Not Imply Better Samples
von: Vouitsis, Noël, et al.
Veröffentlicht: (2024)

Mitigating Time Discretization Challenges with WeatherODE: A Sandwich Physics-Driven Neural ODE for Weather Forecasting
von: Liu, Peiyuan, et al.
Veröffentlicht: (2024)

Faster Convergence for Transformer Fine-tuning with Line Search Methods
von: Kenneweg, Philip, et al.
Veröffentlicht: (2024)

Tuning for Trustworthiness -- Balancing Performance and Explanation Consistency in Neural Network Optimization
von: Hinterleitner, Alexander, et al.
Veröffentlicht: (2025)

A Neural ODE Approach to Aircraft Flight Dynamics Modelling
von: Jarry, Gabriel, et al.
Veröffentlicht: (2025)

Towards Faster Training of Diffusion Models: An Inspiration of A Consistency Phenomenon
von: Xu, Tianshuo, et al.
Veröffentlicht: (2024)

Toward a Unified Lyapunov-Certified ODE Convergence Analysis of Smooth Q-Learning with p-Norms
von: Lee, Donghwan, et al.
Veröffentlicht: (2024)

Wavelet-Enhanced Neural ODE and Graph Attention for Interpretable Energy Forecasting
von: Joy, Usman Gani
Veröffentlicht: (2025)

Automated Discovery of Conservation Laws via Hybrid Neural ODE-Transformers
von: Doshi, Vivan
Veröffentlicht: (2025)

Neural ODE Transformers: Analyzing Internal Dynamics and Adaptive Fine-tuning
von: Tong, Anh, et al.
Veröffentlicht: (2025)

Neural ODE and SDE Models for Adaptation and Planning in Model-Based Reinforcement Learning
von: Han, Chao, et al.
Veröffentlicht: (2026)

LASS-ODE: Scaling ODE Computations to Connect Foundation Models with Dynamical Physical Systems
von: Li, Haoran, et al.
Veröffentlicht: (2026)

Bridging Neural ODE and ResNet: A Formal Error Bound for Safety Verification
von: Sayed, Abdelrahman Sayed, et al.
Veröffentlicht: (2025)

Latent Neural-ODE for Model-Informed Precision Dosing: Overcoming Structural Assumptions in Pharmacokinetics
von: Maurel, Benjamin, et al.
Veröffentlicht: (2026)

BULL-ODE: Bullwhip Learning with Neural ODEs and Universal Differential Equations under Stochastic Demand
von: Naik, Nachiket N., et al.
Veröffentlicht: (2025)

Consistency Trajectory Models: Learning Probability Flow ODE Trajectory of Diffusion
von: Kim, Dongjun, et al.
Veröffentlicht: (2023)

Unlocking the Potential of Continual Model Merging: An ODE Perspective
von: Lin, Lihong, et al.
Veröffentlicht: (2026)

Consistency of Neural Causal Partial Identification
von: Tan, Jiyuan, et al.
Veröffentlicht: (2024)

Epidemiology-Aware Neural ODE with Continuous Disease Transmission Graph
von: Wan, Guancheng, et al.
Veröffentlicht: (2024)

Multivector Neurons: Better and Faster O(n)-Equivariant Clifford Graph Neural Networks
von: Liu, Cong, et al.
Veröffentlicht: (2024)

Learning to be Reproducible: Custom Loss Design for Robust Neural Networks
von: Ahmed, Waqas, et al.
Veröffentlicht: (2026)

Convergence Analysis of Aggregation-Broadcast in LoRA-enabled Distributed Fine-Tuning
von: Chen, Xin, et al.
Veröffentlicht: (2025)

The ODE Method for Stochastic Approximation and Reinforcement Learning with Markovian Noise
von: Liu, Shuze Daniel, et al.
Veröffentlicht: (2024)

Enhanced Diffusion Sampling via Extrapolation with Multiple ODE Solutions
von: Choi, Jinyoung, et al.
Veröffentlicht: (2025)

Enhancing Stochastic Gradient Descent: A Unified Framework and Novel Acceleration Methods for Faster Convergence
von: Deng, Yichuan, et al.
Veröffentlicht: (2024)

Global Convergence in Neural ODEs: Impact of Activation Functions
von: Gao, Tianxiang, et al.
Veröffentlicht: (2025)

FRoD: Full-Rank Efficient Fine-Tuning with Rotational Degrees for Fast Convergence
von: Wan, Guoan, et al.
Veröffentlicht: (2025)

Hypergraph and Latent ODE Learning for Multimodal Root Cause Localization in Microservices
von: Liu, Xin, et al.
Veröffentlicht: (2026)

A study of Universal ODE approaches to predicting soil organic carbon
von: V. V, Satyanarayana Raju G., et al.
Veröffentlicht: (2025)

Time-varying Interaction Graph ODE for Dynamic Graph Representation Learning
von: Wang, Xiaoyi, et al.
Veröffentlicht: (2026)

Modeling chaotic Lorenz ODE System using Scientific Machine Learning
von: Kashyap, Sameera S, et al.
Veröffentlicht: (2024)

SAME: Stabilized Mixture-of-Experts for Multimodal Continual Instruction Tuning
von: Xie, Zhen-Hao, et al.
Veröffentlicht: (2026)

Gradient Flow Convergence Guarantee for General Neural Network Architectures
von: Jakhmola, Yash
Veröffentlicht: (2025)

On the Convergence and Size Transferability of Continuous-depth Graph Neural Networks
von: Yan, Mingsong, et al.
Veröffentlicht: (2025)

ANO : Faster is Better in Noisy Landscape
von: Kegreisz, Adrien
Veröffentlicht: (2025)

RL for Consistency Models: Faster Reward Guided Text-to-Image Generation
von: Oertell, Owen, et al.
Veröffentlicht: (2024)

Edge Prompt Tuning for Graph Neural Networks
von: Fu, Xingbo, et al.
Veröffentlicht: (2025)