Buchumschlag

An Analytic Solution to Covariance Propagation in Neural Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wright, Oren, Nakahira, Yorie, Moura, José M. F.
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

Kalman Bayesian Transformer
von: Jing, Haoming, et al.
Veröffentlicht: (2025)

OpInf-LLM: Parametric PDE Solving with LLMs via Operator Inference
von: Wang, Zhuoyuan, et al.
Veröffentlicht: (2026)

Physics-informed RL for Maximal Safety Probability Estimation
von: Hoshino, Hikaru, et al.
Veröffentlicht: (2024)

A Generalizable Physics-informed Learning Framework for Risk Probability Estimation
von: Wang, Zhuoyuan, et al.
Veröffentlicht: (2023)

A Guide to Failure in Machine Learning: Reliability and Robustness from Foundations to Practice
von: Heim, Eric, et al.
Veröffentlicht: (2025)

Predictive Control and Regret Analysis of Non-Stationary MDP with Look-ahead Information
von: Zhang, Ziyi, et al.
Veröffentlicht: (2024)

Neural Spline Operators for Risk Quantification in Stochastic Systems
von: Wang, Zhuoyuan, et al.
Veröffentlicht: (2025)

Mask-PINNs: Mitigating Internal Covariate Shift in Physics-Informed Neural Networks
von: Jiang, Feilong, et al.
Veröffentlicht: (2025)

Generalizable Physics-Informed Learning for Stochastic Safety-Critical Systems
von: Wang, Zhuoyuan, et al.
Veröffentlicht: (2024)

Learning to Stabilize Unknown LTI Systems on a Single Trajectory under Stochastic Noise
von: Zhang, Ziyi, et al.
Veröffentlicht: (2024)

Physics-Informed Deep B-Spline Networks
von: Wang, Zhuoyuan, et al.
Veröffentlicht: (2025)

Analytical Solution of a Three-layer Network with a Matrix Exponential Activation Function
von: Gai, Kuo, et al.
Veröffentlicht: (2024)

Better Not to Propagate: Understanding Edge Uncertainty and Over-smoothing in Signed Graph Neural Networks
von: Choi, Yoonhyuk, et al.
Veröffentlicht: (2024)

SF-GNN: Self Filter for Message Lossless Propagation in Deep Graph Neural Network
von: Zhu, Yushan, et al.
Veröffentlicht: (2024)

ssProp: Energy-Efficient Training for Convolutional Neural Networks with Scheduled Sparse Back Propagation
von: Zhong, Lujia, et al.
Veröffentlicht: (2024)

Relative Layer-Wise Relevance Propagation: a more Robust Neural Networks eXplaination
von: Nyiri, Eric, et al.
Veröffentlicht: (2025)

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

Do Deep Neural Network Solutions Form a Star Domain?
von: Sonthalia, Ankit, et al.
Veröffentlicht: (2024)

Solving Functional Optimization with Deep Networks and Variational Principles
von: Kamtue, Kawisorn, et al.
Veröffentlicht: (2024)

Spectral Edge Dynamics: An Analytical-Empirical Study of Phase Transitions in Neural Network Training
von: Xu, Yongzhong
Veröffentlicht: (2026)

GSA-Forecaster: Forecasting Graph-Based Time-Dependent Data with Graph Sequence Attention
von: Li, Yang, et al.
Veröffentlicht: (2021)

Optimizing Dense Feed-Forward Neural Networks
von: Balderas, Luis, et al.
Veröffentlicht: (2023)

A Closed-form Solution for Weight Optimization in Fully-connected Feed-forward Neural Networks
von: Tomic, Slavisa, et al.
Veröffentlicht: (2024)

InteractiveGNNExplainer: A Visual Analytics Framework for Multi-Faceted Understanding and Probing of Graph Neural Network Predictions
von: Singh, TC, et al.
Veröffentlicht: (2025)

Data-Driven Radio Propagation Modeling using Graph Neural Networks
von: Bufort, Adrien, et al.
Veröffentlicht: (2025)

Diverse Transformer Decoding for Offline Reinforcement Learning Using Financial Algorithmic Approaches
von: Elbaz, Dan, et al.
Veröffentlicht: (2025)

Neural Algorithmic Reasoning with Multiple Correct Solutions
von: Kujawa, Zeno, et al.
Veröffentlicht: (2024)

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

Transferring Graph Neural Networks for Soft Sensor Modeling using Process Topologies
von: Theisen, Maximilian F., et al.
Veröffentlicht: (2025)

Cayley Graph Propagation
von: Wilson, JJ, et al.
Veröffentlicht: (2024)

Just Propagate: Unifying Matrix Factorization, Network Embedding, and LightGCN for Link Prediction
von: Liu, Haoxin
Veröffentlicht: (2024)

SOAP-RL: Sequential Option Advantage Propagation for Reinforcement Learning in POMDP Environments
von: Ishida, Shu, et al.
Veröffentlicht: (2024)

Differentiable Weightless Neural Networks
von: Bacellar, Alan T. L., et al.
Veröffentlicht: (2024)

Transformers as Neural Operators for Solutions of Differential Equations with Finite Regularity
von: Shih, Benjamin, et al.
Veröffentlicht: (2024)

Uncertainty Propagation in XAI: A Comparison of Analytical and Empirical Estimators
von: Chiaburu, Teodor, et al.
Veröffentlicht: (2025)

AutoLoop: Fast Visual SLAM Fine-tuning through Agentic Curriculum Learning
von: Lahiany, Assaf, et al.
Veröffentlicht: (2025)

A Comprehensive Benchmark of Machine and Deep Learning Across Diverse Tabular Datasets
von: Shmuel, Assaf, et al.
Veröffentlicht: (2024)

Catastrophic Forgetting Mitigation Through Plateau Phase Activity Profiling
von: Mashiach, Idan, et al.
Veröffentlicht: (2025)

AdvSynGNN: Structure-Adaptive Graph Neural Nets via Adversarial Synthesis and Self-Corrective Propagation
von: Fu, Rong, et al.
Veröffentlicht: (2026)

From Overfitting to Reliability: Introducing the Hierarchical Approximate Bayesian Neural Network
von: Amirkhanian, Hayk, et al.
Veröffentlicht: (2025)