Buchumschlag

Separation capacity of linear reservoirs with random connectivity matrix

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Boutaib, Youness
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Probability 68T07, 60B20, 37M10
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Genus expansion for non-linear random matrix ensembles with applications to neural networks
von: Cirone, Nicola Muca, et al.
Veröffentlicht: (2024)

Concentration of measure for non-linear random matrices with applications to neural networks and non-commutative polynomials
von: Adamczak, Radosław
Veröffentlicht: (2025)

Global law of conjugate kernel random matrices with heavy-tailed weights
von: Guionnet, Alice, et al.
Veröffentlicht: (2025)

Fractal and Regular Geometry of Deep Neural Networks
von: Di Lillo, Simmaco, et al.
Veröffentlicht: (2025)

Upper and lower bounds for the Lipschitz constant of random neural networks
von: Geuchen, Paul, et al.
Veröffentlicht: (2023)

Near-optimal estimates for the $\ell^p$-Lipschitz constants of deep random ReLU neural networks
von: Dirksen, Sjoerd, et al.
Veröffentlicht: (2025)

Large Deviations of Gaussian Neural Networks with ReLU activation
von: Vogel, Quirin
Veröffentlicht: (2024)

Measuring and Decomposing Mode Separation via the Canonical Diffusion
von: Tolkovsky, Shaul, et al.
Veröffentlicht: (2026)

Regime-Aware Conditional Neural Processes with Multi-Criteria Decision Support for Operational Electricity Price Forecasting
von: Das, Abhinav, et al.
Veröffentlicht: (2025)

Neural Manifolds as Crystallized Embeddings: A Synthesis of the Free Energy Principle, Generalized Synchronization, and Hebbian Plasticity
von: O'Reilly-Shah, Vikas N.
Veröffentlicht: (2026)

Generative Learning for Slow Manifolds and Bifurcation Diagrams
von: Crabtree, Ellis R., et al.
Veröffentlicht: (2025)

On the Stability of the Jacobian Matrix in Deep Neural Networks
von: Dadoun, Benjamin, et al.
Veröffentlicht: (2025)

Identifiability and Stability of Generative Drifting with Companion-Elliptic Kernel Families
von: Lee, HakGeun, et al.
Veröffentlicht: (2026)

Novelty detection on path space
von: Gasteratos, Ioannis, et al.
Veröffentlicht: (2025)

Convergence Analysis of Real-time Recurrent Learning (RTRL) for a class of Recurrent Neural Networks
von: Lam, Samuel Chun-Hei, et al.
Veröffentlicht: (2025)

Kernel Limit for a Class of Recurrent Neural Networks Trained on Ergodic Data Sequences
von: Lam, Samuel Chun-Hei, et al.
Veröffentlicht: (2023)

Spatio-temporal probabilistic forecast using MMAF-guided learning
von: Bardi, Leonardo, et al.
Veröffentlicht: (2026)

The Predictive-Causal Gap: An Impossibility Theorem and Large-Scale Neural Evidence
von: Liu, Kejun
Veröffentlicht: (2026)

Time-Causal VAE: Robust Financial Time Series Generator
von: Acciaio, Beatrice, et al.
Veröffentlicht: (2024)

Phase Transitions in the Fluctuations of Functionals of Random Neural Networks
von: Di Lillo, Simmaco, et al.
Veröffentlicht: (2026)

Robust Exploratory Stopping under Ambiguity in Reinforcement Learning
von: Ye, Junyan, et al.
Veröffentlicht: (2025)

On the Rashomon ratio of infinite hypothesis sets
von: Coupkova, Evzenie, et al.
Veröffentlicht: (2024)

Detecting random bifurcations via rigorous enclosures of large deviations rate functions
von: Blessing, Alexandra, et al.
Veröffentlicht: (2024)

Conformal Prediction Regions are Imprecise Highest Density Regions
von: Caprio, Michele, et al.
Veröffentlicht: (2025)

Ising Models with Hidden Markov Structure: Applications to Probabilistic Inference in Machine Learning
von: Herrera, F., et al.
Veröffentlicht: (2025)

Streaming Compression of Scientific Data via weak-SINDy
von: Russo, Benjamin P., et al.
Veröffentlicht: (2023)

Adaptive Nonlinear Vector Autoregression: Robust Forecasting for Noisy Chaotic Time Series
von: Sherkhon, Azimov, et al.
Veröffentlicht: (2025)

Spectral complexity of deep neural networks
von: Di Lillo, Simmaco, et al.
Veröffentlicht: (2024)

LDP for the covariance process in fully connected neural networks
von: Andreis, Luisa, et al.
Veröffentlicht: (2025)

Sampling Boltzmann distributions via normalizing flow approximation of transport maps
von: Rehman, Zia Ur, et al.
Veröffentlicht: (2026)

Large and moderate deviations for Gaussian neural networks
von: Macci, Claudio, et al.
Veröffentlicht: (2024)

Radial Extremality for LRU Caching and the Fill--Holst Conjecture
von: Long, Christopher D.
Veröffentlicht: (2026)

A HEART for the environment: Transformer-Based Spatiotemporal Modeling for Air Quality Prediction
von: Bodendorfer, Norbert
Veröffentlicht: (2025)

Empirical approximation to invariant measures of non-degenerate McKean-Vlasov dynamics
von: Cao, Wenjing, et al.
Veröffentlicht: (2023)

Data-Driven Estimation of Conditional Expectations, Application to Optimal Stopping and Reinforcement Learning
von: Moustakides, George V.
Veröffentlicht: (2024)

Unitary ensembles with a critical edge point, their multiplicative statistics and the Korteweg-de-Vries hierarchy
von: Cafasso, Mattia, et al.
Veröffentlicht: (2025)

Large deviation principles and functional limit theorems in the deep limit of wide random neural networks
von: Di Lillo, Simmaco, et al.
Veröffentlicht: (2026)

Convergence to Stable Laws and a Local Limit Theorem for Products of Positive Random Matrices
von: Mei, Jianzhang, et al.
Veröffentlicht: (2025)

A Theory of Non-Acyclic Generative Flow Networks
von: Brunswic, Leo Maxime, et al.
Veröffentlicht: (2023)

Functional Large Deviations for Wide Deep Neural Networks with Gaussian Initialization and Lipschitz Activations
von: Macci, Claudio, et al.
Veröffentlicht: (2026)