Buchumschlag

Hypothesis Spaces for Deep Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Rui, Xu, Yuesheng, Yan, Mingsong
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

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

Sparse Deep Learning Models with the $\ell_1$ Regularization
von: Shen, Lixin, et al.
Veröffentlicht: (2024)

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

Computational Advantages of Multi-Grade Deep Learning: Convergence Analysis and Performance Insights
von: Fang, Ronglong, et al.
Veröffentlicht: (2025)

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

Learning Operators with Stochastic Gradient Descent in General Hilbert Spaces
von: Shi, Lei, et al.
Veröffentlicht: (2024)

Deep Neural Network Solutions for Oscillatory Fredholm Integral Equations
von: Jiang, Jie, et al.
Veröffentlicht: (2024)

Principled Approaches for Extending Neural Architectures to Function Spaces for Operator Learning
von: Berner, Julius, et al.
Veröffentlicht: (2025)

Gaussian Processes with Sample Paths in Reproducing Kernel Banach Spaces
von: Karvonen, Toni, et al.
Veröffentlicht: (2026)

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

Don't Fix the Basis -- Learn It: Spectral Representation with Adaptive Basis Learning for PDEs
von: Zhao, Xuxiang, et al.
Veröffentlicht: (2026)

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

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

Which Spaces can be Embedded in $L_p$-type Reproducing Kernel Banach Space? A Characterization via Metric Entropy
von: Lu, Yiping, et al.
Veröffentlicht: (2024)

Geometric Layer-wise Approximation Rates for Deep Networks
von: Zhang, Shijun, et al.
Veröffentlicht: (2026)

Deep Koopman-layered Model with Universal Property Based on Toeplitz Matrices
von: Hashimoto, Yuka, et al.
Veröffentlicht: (2024)

Langevin Monte-Carlo Provably Learns Depth Two Neural Nets at Any Size and Data
von: Kumar, Dibyakanti, et al.
Veröffentlicht: (2025)

Do stable neural networks exist for classification problems? -- A new view on stability in AI
von: Liu, Z. N. D., et al.
Veröffentlicht: (2024)

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

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

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

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

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

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

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

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

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)

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

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

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

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

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

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)

Pointwise Generalization in Deep Neural Networks
von: Li, Shaojie, et al.
Veröffentlicht: (2026)

Neural Hilbert Ladders: Multi-Layer Neural Networks in Function Space
von: Chen, Zhengdao
Veröffentlicht: (2023)

Featured Reproducing Kernel Banach Spaces for Learning and Neural Networks
von: de la Higuera, Isabel, 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)