Buchumschlag

Two-hidden-layer ReLU neural networks and finite elements

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Jin, Pengzhan
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Numerical Analysis Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Memorization capacity of deep ReLU neural networks characterized by width and depth
von: Yang, Xin, et al.
Veröffentlicht: (2026)

On the optimal approximation of Sobolev and Besov functions using deep ReLU neural networks
von: Yang, Yunfei
Veröffentlicht: (2024)

Approximation and learning of anisotropic and mixed smooth functions by deep ReLU neural networks
von: Yang, Yunfei, et al.
Veröffentlicht: (2026)

Weighted variation spaces and approximation by shallow ReLU networks
von: DeVore, Ronald, et al.
Veröffentlicht: (2023)

On the growth of the parameters of approximating ReLU neural networks
von: Morina, Erion, et al.
Veröffentlicht: (2024)

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

Multilevel Picard approximations and deep neural networks with ReLU, leaky ReLU, and softplus activation overcome the curse of dimensionality when approximating semilinear parabolic partial differential equations in $L^p$-sense
von: Neufeld, Ariel, et al.
Veröffentlicht: (2024)

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

Sharp Lower Bounds for Linearized ReLU^k Approximation on the Sphere
von: Mao, Tong, et al.
Veröffentlicht: (2025)

Sobolev Approximation of Deep ReLU Networks in Log-Barron Space
von: Song, Changhoon, et al.
Veröffentlicht: (2026)

Higher Order Approximation Rates for ReLU CNNs in Korobov Spaces
von: Li, Yuwen, et al.
Veröffentlicht: (2025)

On the algorithmic construction of deep ReLU networks
von: Huybrechs, Daan
Veröffentlicht: (2025)

Nonlocal techniques for the analysis of deep ReLU neural network approximations
von: Schneider, Cornelia, et al.
Veröffentlicht: (2025)

On the existence of minimizers in shallow residual ReLU neural network optimization landscapes
von: Dereich, Steffen, et al.
Veröffentlicht: (2023)

Non-asymptotic convergence analysis of the stochastic gradient Hamiltonian Monte Carlo algorithm with discontinuous stochastic gradient with applications to training of ReLU neural networks
von: Liang, Luxu, et al.
Veröffentlicht: (2024)

Expressivity and Approximation Properties of Deep Neural Networks with ReLU$^k$ Activation
von: He, Juncai, et al.
Veröffentlicht: (2023)

A hybrid iterative method based on MIONet for PDEs: Theory and numerical examples
von: Hu, Jun, et al.
Veröffentlicht: (2024)

Deep ReLU networks and high-order finite element methods II: Chebyshev emulation
von: Opschoor, Joost A. A., et al.
Veröffentlicht: (2023)

Approximation Rates and VC-Dimension Bounds for (P)ReLU MLP Mixture of Experts
von: Kratsios, Anastasis, et al.
Veröffentlicht: (2024)

On the existence of optimal shallow feedforward networks with ReLU activation
von: Dereich, Steffen, et al.
Veröffentlicht: (2023)

Learning solution operators of PDEs defined on varying domains via MIONet
von: Xiao, Shanshan, et al.
Veröffentlicht: (2024)

A deformation-based framework for learning solution mappings of PDEs defined on varying domains
von: Xiao, Shanshan, et al.
Veröffentlicht: (2024)

Deep neural networks with ReLU, leaky ReLU, and softplus activation provably overcome the curse of dimensionality for space-time solutions of semilinear partial differential equations
von: Ackermann, Julia, et al.
Veröffentlicht: (2024)

Deep neural networks with ReLU, leaky ReLU, and softplus activation provably overcome the curse of dimensionality for Kolmogorov partial differential equations with Lipschitz nonlinearities in the $L^p$-sense
von: Ackermann, Julia, et al.
Veröffentlicht: (2023)

Exponential Expressivity of ReLU$^k$ Neural Networks on Gevrey Classes with Point Singularities
von: Opschoor, Joost A. A., et al.
Veröffentlicht: (2024)

A Structure-Guided Gauss-Newton Method for Shallow ReLU Neural Network
von: Cai, Zhiqiang, et al.
Veröffentlicht: (2024)

Deep ReLU neural networks overcome the curse of dimensionality when approximating semilinear partial integro-differential equations
von: Neufeld, Ariel, et al.
Veröffentlicht: (2023)

Energy stable neural network for gradient flow equations
von: Wu, Yue, et al.
Veröffentlicht: (2023)

Optimal Approximation Rates for Deep ReLU Neural Networks on Sobolev and Besov Spaces
von: Siegel, Jonathan W.
Veröffentlicht: (2022)

Equidistribution-based training of Free Knot Splines and ReLU Neural Networks
von: Appella, Simone, et al.
Veröffentlicht: (2024)

Minimum Width of Leaky-ReLU Neural Networks for Uniform Universal Approximation
von: Li, Li'ang, et al.
Veröffentlicht: (2023)

Deep ReLU Neural Network Emulation in High-Frequency Acoustic Scattering
von: Henríquez, Fernando, et al.
Veröffentlicht: (2024)

Generalizing the SINDy approach with nested neural networks
von: Fiorini, Camilla, et al.
Veröffentlicht: (2024)

Training Hamiltonian neural networks without backpropagation
von: Rahma, Atamert, et al.
Veröffentlicht: (2024)

Gradient-free training of recurrent neural networks
von: Bolager, Erik Lien, et al.
Veröffentlicht: (2024)

Approximation Rates for Shallow ReLU$^k$ Neural Networks on Sobolev Spaces via the Radon Transform
von: Mao, Tong, et al.
Veröffentlicht: (2024)

Bridging the Gap Between Approximation and Learning via Optimal Approximation by ReLU MLPs of Maximal Regularity
von: Hong, Ruiyang, et al.
Veröffentlicht: (2024)

Nearly Optimal Approximation Rates for Deep Super ReLU Networks on Sobolev Spaces
von: Yang, Yahong, et al.
Veröffentlicht: (2023)

Stable neural networks and connections to continuous dynamical systems
von: Ehrhardt, Matthias J., et al.
Veröffentlicht: (2025)

Pseudo-differential-enhanced physics-informed neural networks
von: Gracyk, Andrew
Veröffentlicht: (2026)