Buchumschlag

Training morphological neural networks with gradient descent: some theoretical insights

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Blusseau, Samy
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A foundation for exact binarized morphological neural networks
von: Aouad, Theodore, et al.
Veröffentlicht: (2024)

Aligned explanations in neural networks
von: Lobet, Corentin, et al.
Veröffentlicht: (2026)

Equivariant neural networks and equivarification
von: Bao, Erkao, et al.
Veröffentlicht: (2019)

On the explainability of max-plus neural networks
von: Enaieh, Ikhlas, et al.
Veröffentlicht: (2026)

On margin-based generalization prediction in deep neural networks
von: Mouton, Coenraad
Veröffentlicht: (2024)

Characterization of topological structures in different neural network architectures
von: Świder, Paweł
Veröffentlicht: (2024)

Are classical deep neural networks weakly adversarially robust?
von: Sun, Nuolin, et al.
Veröffentlicht: (2025)

Spectral structural distortion reveals redundant neurons in neural networks
von: Wang, Yongyu
Veröffentlicht: (2026)

Multi-task convolutional neural network for image aesthetic assessment
von: Soydaner, Derya, et al.
Veröffentlicht: (2023)

Sparse components distinguish visual pathways & their alignment to neural networks
von: Marvi, Ammar I, et al.
Veröffentlicht: (2025)

Gradient descent with generalized Newton's method
von: Bu, Zhiqi, et al.
Veröffentlicht: (2024)

Neural network relief: a pruning algorithm based on neural activity
von: Dekhovich, Aleksandr, et al.
Veröffentlicht: (2021)

Reduced storage direct tensor ring decomposition for convolutional neural networks compression
von: Gabor, Mateusz, et al.
Veröffentlicht: (2024)

Investigating generalization capabilities of neural networks by means of loss landscapes and Hessian analysis
von: Gabdullin, Nikita
Veröffentlicht: (2024)

Using predefined vector systems to speed up neural network multimillion class classification
von: Gabdullin, Nikita, et al.
Veröffentlicht: (2026)

InfoGNN: End-to-end deep learning on mesh via graph neural networks
von: Gao, Ling, et al.
Veröffentlicht: (2025)

Differentiable, Bit-shifting, and Scalable Quantization without training neural network from scratch
von: Badar, Zia
Veröffentlicht: (2025)

GD doesn't make the cut: Three ways that non-differentiability affects neural network training
von: Kumar, Siddharth Krishna
Veröffentlicht: (2024)

Hand bone age estimation using divide and conquer strategy and lightweight convolutional neural networks
von: Kasani, Amin Ahmadi, et al.
Veröffentlicht: (2024)

Mapping Rio de Janeiro's favelas: general-purpose vs. satellite-specific neural networks
von: Hallopeau, Thomas, et al.
Veröffentlicht: (2025)

Real-time prediction of breast cancer sites using deformation-aware graph neural network
von: Lee, Kyunghyun, et al.
Veröffentlicht: (2025)

Comprehensive framework for evaluation of deep neural networks in detection and quantification of lymphoma from PET/CT images: clinical insights, pitfalls, and observer agreement analyses
von: Ahamed, Shadab, et al.
Veröffentlicht: (2023)

Distributed solar generation forecasting using attention-based deep neural networks for cloud movement prediction
von: Perera, Maneesha, et al.
Veröffentlicht: (2024)

Chain-of-Sketch: Enabling Global Visual Reasoning
von: Lotfi, Aryo, et al.
Veröffentlicht: (2024)

The effects of Hessian eigenvalue spectral density type on the applicability of Hessian analysis to generalization capability assessment of neural networks
von: Gabdullin, Nikita
Veröffentlicht: (2025)

Single-shot reconstruction of three-dimensional morphology of biological cells in digital holographic microscopy using a physics-driven neural network
von: Kim, Jihwan, et al.
Veröffentlicht: (2024)

Can neural networks count digit frequency?
von: Khandelwal, Padmaksh
Veröffentlicht: (2023)

Enhancing convolutional neural network generalizability via low-rank weight approximation
von: Gao, Chenyin, et al.
Veröffentlicht: (2022)

Robust deep labeling of radiological emphysema subtypes using squeeze and excitation convolutional neural networks: The MESA Lung and SPIROMICS Studies
von: Wysoczanski, Artur, et al.
Veröffentlicht: (2024)

Wasserstein distributional adversarial training for deep neural networks
von: Bai, Xingjian, et al.
Veröffentlicht: (2025)

Covariant spatio-temporal receptive fields for spiking neural networks
von: Pedersen, Jens Egholm, et al.
Veröffentlicht: (2024)

CeCNN: Copula-enhanced convolutional neural networks in joint prediction of refraction error and axial length based on ultra-widefield fundus images
von: Zhong, Chong, et al.
Veröffentlicht: (2023)

Kinematic analysis of structural mechanics based on convolutional neural network
von: Zhang, Leye, et al.
Veröffentlicht: (2024)

Expected Grad-CAM: Towards gradient faithfulness
von: Buono, Vincenzo, et al.
Veröffentlicht: (2024)

Bayesian sparsification for deep neural networks with Bayesian model reduction
von: Marković, Dimitrije, et al.
Veröffentlicht: (2023)

On the universality of neural encodings in CNNs
von: Guth, Florentin, et al.
Veröffentlicht: (2024)

Learning Fourier shapes to probe the geometric world of deep neural networks
von: Wang, Jian, et al.
Veröffentlicht: (2025)

P-Flow: Proxy-gradient Flows for Linear Inverse Problems
von: Jiang, Zehua, et al.
Veröffentlicht: (2026)

Super-resolution in disordered media using neural networks
von: Christie, Alexander, et al.
Veröffentlicht: (2024)

In-distribution adversarial attacks on object recognition models using gradient-free search
von: Madan, Spandan, et al.
Veröffentlicht: (2021)