Buchumschlag

Multi-layer random features and the approximation power of neural networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Takhanov, Rustem
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

Conditional KRR: Injecting Unpenalized Features into Kernel Methods with Applications to Kernel Thresholding
von: Takhanov, Rustem, et al.
Veröffentlicht: (2026)

On the Intrinsic Dimensions of Data in Kernel Learning
von: Takhanov, Rustem
Veröffentlicht: (2026)

The informativeness of the gradient revisited
von: Takhanov, Rustem
Veröffentlicht: (2025)

Non-asymptotic spectral bounds on the $\varepsilon$-entropy of kernel classes
von: Takhanov, Rustem
Veröffentlicht: (2022)

RDI: An adversarial robustness evaluation metric for deep neural networks based on model statistical features
von: Song, Jialei, et al.
Veröffentlicht: (2025)

A comparative analysis of a neural network with calculated weights and a neural network with random generation of weights based on the training dataset size
von: Geidarov, Polad
Veröffentlicht: (2025)

Pinet: Optimizing hard-constrained neural networks with orthogonal projection layers
von: Grontas, Panagiotis D., et al.
Veröffentlicht: (2025)

Tensorization is a powerful but underexplored tool for compression and interpretability of neural networks
von: Hamreras, Safa, et al.
Veröffentlicht: (2025)

Deep Linear Discriminant Analysis Revisited
von: Tezekbayev, Maxat, et al.
Veröffentlicht: (2026)

On permutation-invariant neural networks
von: Kimura, Masanari, et al.
Veröffentlicht: (2024)

Sobolev acceleration for neural networks
von: Oh, Jong Kwon, et al.
Veröffentlicht: (2025)

Attention mechanisms in neural networks
von: Hays, Hasi
Veröffentlicht: (2026)

QuFeX: Quantum feature extraction module for hybrid quantum-classical deep neural networks
von: Jain, Naman, et al.
Veröffentlicht: (2025)

Hard-constraining Neumann boundary conditions in physics-informed neural networks via Fourier feature embeddings
von: Straub, Christopher, et al.
Veröffentlicht: (2025)

Principles of Lipschitz continuity in neural networks
von: Luo, Róisín
Veröffentlicht: (2026)

Linearity-based neural network compression
von: Dobler, Silas, et al.
Veröffentlicht: (2025)

Applying graph neural network to SupplyGraph for supply chain network
von: Han, Kihwan
Veröffentlicht: (2024)

Understanding the dynamics of the frequency bias in neural networks
von: Molina, Juan, et al.
Veröffentlicht: (2024)

Graph neural networks informed locally by thermodynamics
von: Tierz, Alicia, et al.
Veröffentlicht: (2024)

Graph neural networks and non-commuting operators
von: Velasco, Mauricio, et al.
Veröffentlicht: (2024)

LayerCollapse: Adaptive compression of neural networks
von: Shabgahi, Soheil Zibakhsh, et al.
Veröffentlicht: (2023)

Minimum number of neurons in fully connected layers of a given neural network (the first approximation)
von: Berngardt, Oleg I.
Veröffentlicht: (2024)

From Monte Carlo to neural networks approximations of boundary value problems
von: Beznea, Lucian, et al.
Veröffentlicht: (2022)

Randomness and signal propagation in physics-informed neural networks (PINNs): A neural PDE perspective
von: Tucny, Jean-Michel, et al.
Veröffentlicht: (2025)

Planning in a recurrent neural network that plays Sokoban
von: Taufeeque, Mohammad, et al.
Veröffentlicht: (2024)

Understanding polysemanticity in neural networks through coding theory
von: Marshall, Simon C., et al.
Veröffentlicht: (2024)

Variational autoencoder-based neural network model compression
von: Cheng, Liang, et al.
Veröffentlicht: (2024)

Conditional computation in neural networks: principles and research trends
von: Scardapane, Simone, et al.
Veröffentlicht: (2024)

Utilizing Lyapunov Exponents in designing deep neural networks
von: Mittra, Tirthankar
Veröffentlicht: (2024)

Grey-informed neural network for time-series forecasting
von: Xie, Wanli, et al.
Veröffentlicht: (2024)

Elimination-compensation pruning for fully-connected neural networks
von: Ballini, Enrico, et al.
Veröffentlicht: (2026)

Concealed Adversarial attacks on neural networks for sequential data
von: Sokerin, Petr, et al.
Veröffentlicht: (2025)

Dopamine-driven synaptic credit assignment in neural networks
von: Nambusubramaniyan, Saranraj, et al.
Veröffentlicht: (2025)

Deep neural networks have an inbuilt Occam's razor
von: Mingard, Chris, et al.
Veröffentlicht: (2023)

Fractional-order spike-timing-dependent gradient descent for multi-layer spiking neural networks
von: Yang, Yi, et al.
Veröffentlicht: (2024)

Feature contamination: Neural networks learn uncorrelated features and fail to generalize
von: Zhang, Tianren, et al.
Veröffentlicht: (2024)

Causal invariant geographic network representations with feature and structural distribution shifts
von: Wang, Yuhan, et al.
Veröffentlicht: (2025)

Adaptive multiple optimal learning factors for neural network training
von: Challagundla, Jeshwanth
Veröffentlicht: (2024)

Stochastic stem bucking using mixture density neural networks
von: Schmiedel, Simon
Veröffentlicht: (2024)

Do graph neural network states contain graph properties?
von: Pelletreau-Duris, Tom, et al.
Veröffentlicht: (2024)