Buchumschlag

ANOVA-boosting for Random Fourier Features

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Potts, Daniel, Weidensager, Laura
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Numerical Analysis
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Variable Transformations in combination with Wavelets and ANOVA for high-dimensional approximation
von: Potts, Daniel, et al.
Veröffentlicht: (2022)

Sensitivity Analysis on the Sphere and a Spherical ANOVA Decomposition
von: Weidensager, Laura
Veröffentlicht: (2025)

Fast and interpretable Support Vector Classification based on the truncated ANOVA decomposition
von: Akhalaya, Kseniya, et al.
Veröffentlicht: (2024)

Fast Evaluation of Additive Kernels: Feature Arrangement, Fourier Methods, and Kernel Derivatives
von: Wagner, Theresa, et al.
Veröffentlicht: (2024)

FastLSQ: Solving PDEs in One Shot via Fourier Features with Exact Analytical Derivatives
von: Sulc, Antonin
Veröffentlicht: (2026)

Solving Partial Differential Equations with Random Feature Models
von: Liao, Chunyang
Veröffentlicht: (2024)

Cauchy Random Features for Operator Learning in Sobolev Space
von: Liao, Chunyang, et al.
Veröffentlicht: (2025)

Fourier Neural Operator with Learned Deformations for PDEs on General Geometries
von: Li, Zongyi, et al.
Veröffentlicht: (2022)

ANOVA approximation with mixed tensor product basis on scattered points
von: Potts, Daniel, et al.
Veröffentlicht: (2023)

Preconditioned Additive Gaussian Processes with Fourier Acceleration
von: Wagner, Theresa, et al.
Veröffentlicht: (2025)

Enhancing Gaussian Process Surrogates for Optimization and Posterior Approximation via Random Exploration
von: Kim, Hwanwoo, et al.
Veröffentlicht: (2024)

Physics-embedded Fourier Neural Network for Partial Differential Equations
von: Xu, Qingsong, et al.
Veröffentlicht: (2024)

Component Fourier Neural Operator for Singularly Perturbed Differential Equations
von: Li, Ye, et al.
Veröffentlicht: (2024)

Variational Matrix-Learning Fourier Networks for Parametric Multiphysics Surrogates
von: Li, Xinyu, et al.
Veröffentlicht: (2026)

Randomly Pivoted Partial Cholesky: Random How?
von: Steinerberger, Stefan
Veröffentlicht: (2024)

Fast Kernel Summation in High Dimensions via Slicing and Fourier Transforms
von: Hertrich, Johannes
Veröffentlicht: (2024)

Controlling Statistical, Discretization, and Truncation Errors in Learning Fourier Linear Operators
von: Subedi, Unique, et al.
Veröffentlicht: (2024)

Fourier Neural Operators for Non-Markovian Processes:Approximation Theorems and Experiments
von: Lee, Wonjae, et al.
Veröffentlicht: (2025)

Beyond Regular Grids: Fourier-Based Neural Operators on Arbitrary Domains
von: Lingsch, Levi, et al.
Veröffentlicht: (2023)

Approximating Numerical Fluxes Using Fourier Neural Operators for Hyperbolic Conservation Laws
von: Kim, Taeyoung, et al.
Veröffentlicht: (2024)

Learning High-dimensional Ionic Model Dynamics Using Fourier Neural Operators
von: Pellegrini, Luca, et al.
Veröffentlicht: (2025)

Neural Interpretable PDEs: Harmonizing Fourier Insights with Attention for Scalable and Interpretable Physics Discovery
von: Liu, Ning, et al.
Veröffentlicht: (2025)

Windowed Fourier Propagator: A Frequency-Local Neural Operator for Wave Equations in Inhomogeneous Media
von: Cai, Yiyang, et al.
Veröffentlicht: (2026)

Generalization Bounds for Sparse Random Feature Expansions
von: Hashemi, Abolfazl, et al.
Veröffentlicht: (2021)

Sparse Random-Feature Neural Networks with Krylov-Based SVD for Singularly Perturbed ODE
von: Vaidyan, Kevin Kurian Thomas, et al.
Veröffentlicht: (2026)

Neural Measures for learning distributions of Random PDEs
von: Arampatzis, Georgios, et al.
Veröffentlicht: (2025)

Parallel-in-Time Solutions with Random Projection Neural Networks
von: Betcke, Marta M., et al.
Veröffentlicht: (2024)

Generative Feature Training of Thin 2-Layer Networks
von: Hertrich, Johannes, et al.
Veröffentlicht: (2024)

Quantile-Based Randomized Kaczmarz for Corrupted Tensor Linear Systems
von: Castillo, Alejandra, et al.
Veröffentlicht: (2025)

Understanding In-Context Learning for Nonlinear Regression with Transformers: Attention as Featurizer
von: Hsu, Alexander, et al.
Veröffentlicht: (2026)

Recent and Upcoming Developments in Randomized Numerical Linear Algebra for Machine Learning
von: Dereziński, Michał, et al.
Veröffentlicht: (2024)

Randomized Neural Networks for Partial Differential Equation on Static and Evolving Surfaces
von: Sun, Jingbo, et al.
Veröffentlicht: (2026)

Random Neural Network Expressivity for Non-Linear Partial Differential Equations
von: Mehmood, Muhammed Ali, et al.
Veröffentlicht: (2026)

Digital Twin Data Modelling by Randomized Orthogonal Decomposition and Deep Learning
von: Bistrian, Diana Alina, et al.
Veröffentlicht: (2022)

Lower Bounds for the Convergence of Tensor Power Iteration on Random Overcomplete Models
von: Wu, Yuchen, et al.
Veröffentlicht: (2022)

Accelerating Natural Gradient Descent for PINNs with Randomized Numerical Linear Algebra
von: Bioli, Ivan, et al.
Veröffentlicht: (2025)

Randomized Neural Networks for Integro-Differential Equations with Application to Neutron Transport
von: Dang, Haoning, et al.
Veröffentlicht: (2026)

Debiasing Random Oblique Projections for Subsampled OLS and Fast CUR in High Dimensions
von: Niu, Chengmei, et al.
Veröffentlicht: (2026)

Randomized Tensor Ring Decomposition and Its Application to Large-scale Data Reconstruction
von: Yuan, Longhao, et al.
Veröffentlicht: (2019)

Flexible and Efficient Probabilistic PDE Solvers through Gaussian Markov Random Fields
von: Weiland, Tim, et al.
Veröffentlicht: (2025)