Buchumschlag

A Characterization Theorem for Equivariant Networks with Point-wise Activations

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Pacini, Marco, Dong, Xiaowen, Lepri, Bruno, Santin, Gabriele
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Separation Power of Equivariant Neural Networks
von: Pacini, Marco, et al.
Veröffentlicht: (2024)

On Universality Classes of Equivariant Networks
von: Pacini, Marco, et al.
Veröffentlicht: (2025)

Explaining the Explainers in Graph Neural Networks: a Comparative Study
von: Longa, Antonio, et al.
Veröffentlicht: (2022)

On Universality of Deep Equivariant Networks
von: Pacini, Marco, et al.
Veröffentlicht: (2025)

Graph Hierarchical Recurrence for Long-Range Generalization
von: Carotti, Stefano, et al.
Veröffentlicht: (2026)

Graph Neural Networks for temporal graphs: State of the art, open challenges, and opportunities
von: Longa, Antonio, et al.
Veröffentlicht: (2023)

Autonomous and Human-Driven Vehicles Interacting in a Roundabout: A Quantitative and Qualitative Evaluation
von: Ferrarotti, Laura, et al.
Veröffentlicht: (2023)

Bridging Theory and Practice in Link Representation with Graph Neural Networks
von: Lachi, Veronica, et al.
Veröffentlicht: (2025)

Activation by Interval-wise Dropout: A Simple Way to Prevent Neural Networks from Plasticity Loss
von: Park, Sangyeon, et al.
Veröffentlicht: (2025)

Hyperdimensional Probe: Decoding LLM Representations via Vector Symbolic Architectures
von: Bronzini, Marco, et al.
Veröffentlicht: (2025)

Categorical Equivariant Deep Learning: Category-Equivariant Neural Networks and Universal Approximation Theorems
von: Maruyama, Yoshihiro
Veröffentlicht: (2025)

GNN Explanations that do not Explain and How to find Them
von: Azzolin, Steve, et al.
Veröffentlicht: (2026)

Personalized Algorithmic Recourse with Preference Elicitation
von: De Toni, Giovanni, et al.
Veröffentlicht: (2022)

Boosting Relational Deep Learning with Pretrained Tabular Models
von: Lachi, Veronica, et al.
Veröffentlicht: (2025)

Algebraic Priors for Approximately Equivariant Networks
von: Ali, Riccardo, et al.
Veröffentlicht: (2025)

Disentangling Recall and Reasoning in Transformer Models through Layer-wise Attention and Activation Analysis
von: Fartale, Harshwardhan, et al.
Veröffentlicht: (2025)

Magnitude-Modulated Equivariant Adapter for Parameter-Efficient Fine-Tuning of Equivariant Graph Neural Networks
von: Jin, Dian, et al.
Veröffentlicht: (2025)

Emergence of Globally Attracting Fixed Points in Deep Neural Networks With Nonlinear Activations
von: Joudaki, Amir, et al.
Veröffentlicht: (2024)

E2Former-V2: On-the-Fly Equivariant Attention with Linear Activation Memory
von: Huang, Lin, et al.
Veröffentlicht: (2026)

Graph Neural Networks for Learning Equivariant Representations of Neural Networks
von: Kofinas, Miltiadis, et al.
Veröffentlicht: (2024)

Metric Learning for Clifford Group Equivariant Neural Networks
von: Ali, Riccardo, et al.
Veröffentlicht: (2024)

Learning (Approximately) Equivariant Networks via Constrained Optimization
von: Manolache, Andrei, et al.
Veröffentlicht: (2025)

On Measuring Long-Range Interactions in Graph Neural Networks
von: Bamberger, Jacob, et al.
Veröffentlicht: (2025)

How the Optimizer Shapes Learned Solutions in Equivariant Neural Networks
von: Stupariu, Teodor-Mihai, et al.
Veröffentlicht: (2026)

EquiTabPFN: A Target-Permutation Equivariant Prior Fitted Networks
von: Arbel, Michael, et al.
Veröffentlicht: (2025)

Augmented Lagrangian Multiplier Network for State-wise Safety in Reinforcement Learning
von: Zhang, Jiaming, et al.
Veröffentlicht: (2026)

Massive Activations in Graph Neural Networks: Decoding Attention for Domain-Dependent Interpretability
von: Bini, Lorenzo, et al.
Veröffentlicht: (2024)

Equivariant Spatio-Temporal Attentive Graph Networks to Simulate Physical Dynamics
von: Wu, Liming, et al.
Veröffentlicht: (2024)

An Efficient Sparse Kernel Generator for O(3)-Equivariant Deep Networks
von: Bharadwaj, Vivek, et al.
Veröffentlicht: (2025)

Fast and Distributed Equivariant Graph Neural Networks by Virtual Node Learning
von: Zhang, Yuelin, et al.
Veröffentlicht: (2025)

Lie Neurons: Adjoint-Equivariant Neural Networks for Semisimple Lie Algebras
von: Lin, Tzu-Yuan, et al.
Veröffentlicht: (2023)

SEGNO: Generalizing Equivariant Graph Neural Networks with Physical Inductive Biases
von: Liu, Yang, et al.
Veröffentlicht: (2023)

Probing Graph Neural Network Activation Patterns Through Graph Topology
von: Tori, Floriano, et al.
Veröffentlicht: (2026)

DiffusionBlocks: Block-wise Neural Network Training via Diffusion Interpretation
von: Shing, Makoto, et al.
Veröffentlicht: (2025)

Rethinking GNNs and Missing Features: Challenges, Evaluation and a Robust Solution
von: Ferrini, Francesco, et al.
Veröffentlicht: (2026)

Universal Approximation Theorem of Deep Q-Networks
von: Qi, Qian
Veröffentlicht: (2025)

Relaxing Continuous Constraints of Equivariant Graph Neural Networks for Physical Dynamics Learning
von: Zheng, Zinan, et al.
Veröffentlicht: (2024)

Equivariant Graph Network Approximations of High-Degree Polynomials for Force Field Prediction
von: Xu, Zhao, et al.
Veröffentlicht: (2024)

Heterogeneous Graph Structure Learning through the Lens of Data-generating Processes
von: Jiang, Keyue, et al.
Veröffentlicht: (2025)

On the Importance of Task Complexity in Evaluating LLM-Based Multi-Agent Systems
von: Tang, Bohan, et al.
Veröffentlicht: (2025)