Buchumschlag

Do stable neural networks exist for classification problems? -- A new view on stability in AI

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Liu, Z. N. D., Hansen, A. C.
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Functional Analysis
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Universal approximation with complex-valued deep narrow neural networks
von: Geuchen, Paul, et al.
Veröffentlicht: (2023)

Unified generalization analysis for physics informed neural networks
von: Hashimoto, Yuka, et al.
Veröffentlicht: (2026)

On shallow feedforward neural networks with inputs from a topological space
von: Ismailov, Vugar
Veröffentlicht: (2025)

Distributionally robust approximation property of neural networks
von: Ceylan, Mihriban, et al.
Veröffentlicht: (2025)

The mathematics of adversarial attacks in AI -- Why deep learning is unstable despite the existence of stable neural networks
von: Bastounis, Alexander, et al.
Veröffentlicht: (2021)

A unified Fourier slice method to derive ridgelet transform for a variety of depth-2 neural networks
von: Sonoda, Sho, et al.
Veröffentlicht: (2024)

A Lipschitz spaces view of infinitely wide shallow neural networks
von: Bartolucci, Francesca, et al.
Veröffentlicht: (2024)

AI without networks
von: Mitra, Partha P, et al.
Veröffentlicht: (2021)

Neural networks in non-metric spaces
von: Galimberti, Luca
Veröffentlicht: (2024)

Neural reproducing kernel Banach spaces and representer theorems for deep networks
von: Bartolucci, Francesca, et al.
Veröffentlicht: (2024)

Kolmogorov--Arnold stability
von: Dzhenzher, Sviatoslav V., et al.
Veröffentlicht: (2025)

Approximation analysis of CNNs from a feature extraction view
von: Li, Jianfei, et al.
Veröffentlicht: (2022)

Universality of shallow and deep neural networks on non-Euclidean spaces
von: Ismailov, Vugar
Veröffentlicht: (2026)

ReLU neural network approximation to piecewise constant functions
von: Cai, Zhiqiang, et al.
Veröffentlicht: (2024)

Approximation by Steklov Neural Network Operators
von: Karaman, S. N., et al.
Veröffentlicht: (2024)

Understanding Transfer Learning via Mean-field Analysis
von: Aminian, Gholamali, et al.
Veröffentlicht: (2024)

Rigorous Error Certification for Neural PDE Solvers: From Empirical Residuals to Solution Guarantees
von: Mukherjee, Amartya, et al.
Veröffentlicht: (2026)

On the kernel learning problem
von: Li, Yang, et al.
Veröffentlicht: (2025)

Horizon Activation Mapping for Neural Networks in Time Series Forecasting
von: Hans, Krupakar, et al.
Veröffentlicht: (2026)

A Fractional Fox H-Function Kernel for Support Vector Machines: Robust Classification via Weighted Transmutation Operators
von: Dorrego, Gustavo
Veröffentlicht: (2026)

Necessary and sufficient conditions for universality of Kolmogorov-Arnold networks
von: Ismailov, Vugar
Veröffentlicht: (2026)

On Rank-Dependent Generalisation Error Bounds for Transformers
von: Truong, Lan V.
Veröffentlicht: (2024)

Noisy Data Visualization using Functional Data Analysis
von: Chen, Haozhe, et al.
Veröffentlicht: (2024)

Spherical Analysis of Learning Nonlinear Functionals
von: Yang, Zhenyu, et al.
Veröffentlicht: (2024)

Hypothesis Spaces for Deep Learning
von: Wang, Rui, et al.
Veröffentlicht: (2024)

Controlled Learning of Pointwise Nonlinearities in Neural-Network-Like Architectures
von: Unser, Michael, et al.
Veröffentlicht: (2024)

Stability of sorting based embeddings
von: Balan, Radu, et al.
Veröffentlicht: (2024)

Theory-to-Practice Gap for Neural Networks and Neural Operators
von: Grohs, Philipp, et al.
Veröffentlicht: (2025)

Quantitative Sobolev Approximation Bounds for Neural Operators with Empirical Validation on Burgers Equation
von: Hao, Nicole
Veröffentlicht: (2026)

Approximation of Permutation Invariant Polynomials by Transformers: Efficient Construction in Column-Size
von: Takeshita, Naoki, et al.
Veröffentlicht: (2025)

Sparse Representer Theorems for Learning in Reproducing Kernel Banach Spaces
von: Wang, Rui, et al.
Veröffentlicht: (2023)

Rough kernel hedging
von: Cirone, Nicola Muca, et al.
Veröffentlicht: (2025)

Convergence Analysis of Max-Min Exponential Neural Network Operators in Orlicz Space
von: Pradhan, Satyaranjan, et al.
Veröffentlicht: (2025)

The Function Representation of Artificial Neural Network
von: Ma, Zhongkui
Veröffentlicht: (2019)

Koopman-based generalization bound: New aspect for full-rank weights
von: Hashimoto, Yuka, et al.
Veröffentlicht: (2023)

Learning Orthonormal Bases for Function Spaces
von: Kamkari, Hamidreza, et al.
Veröffentlicht: (2026)

How Analysis Can Teach Us the Optimal Way to Design Neural Operators
von: Le, Vu-Anh, et al.
Veröffentlicht: (2024)

Construction of generalized samplets in Banach spaces
von: Balazs, Peter, et al.
Veröffentlicht: (2024)

Non-Asymptotic Stability and Consistency Guarantees for Physics-Informed Neural Networks via Coercive Operator Analysis
von: Katende, Ronald
Veröffentlicht: (2025)

Optimal lower Lipschitz bounds for ReLU layers, saturation, and phase retrieval
von: Freeman, Daniel, et al.
Veröffentlicht: (2025)