Buchumschlag

Multi-level projection with exponential parallel speedup; Application to sparse auto-encoders neural networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Perez, Guillaume, Barlaud, Michel
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A new Linear Time Bi-level $\ell_{1,\infty}$ projection ; Application to the sparsification of auto-encoders neural networks
von: Barlaud, Michel, et al.
Veröffentlicht: (2024)

Near-Linear Time Projection onto the $\ell_{1,\infty}$ Ball; Application to Sparse Autoencoders
von: Perez, Guillaume, et al.
Veröffentlicht: (2023)

Motif distribution and function of sparse deep neural networks
von: Zahn, Olivia T., et al.
Veröffentlicht: (2024)

From superposition to sparse codes: interpretable representations in neural networks
von: Klindt, David, et al.
Veröffentlicht: (2025)

Efficient physics-informed neural networks using hash encoding
von: Huang, Xinquan, et al.
Veröffentlicht: (2023)

Robustness in sparse artificial neural networks trained with adaptive topology
von: Sulyok, Bendegúz, et al.
Veröffentlicht: (2026)

Spike-and-slab shrinkage priors for structurally sparse Bayesian neural networks
von: Jantre, Sanket, et al.
Veröffentlicht: (2023)

Sparse deep neural networks for nonparametric estimation in high-dimensional sparse regression
von: Wu, Dongya, et al.
Veröffentlicht: (2024)

Brain network science modelling of sparse neural networks enables Transformers and LLMs to perform as fully connected
von: Zhang, Yingtao, et al.
Veröffentlicht: (2025)

The role of class encoding in neural collapse
von: Massion, Bastien, et al.
Veröffentlicht: (2026)

Joint auto-encoders: a flexible multi-task learning framework
von: Epstein, Baruch, et al.
Veröffentlicht: (2017)

A block-coordinate descent framework for non-convex composite optimization. Application to sparse precision matrix estimation
von: Lauga, Guillaume
Veröffentlicht: (2026)

On exploring the potential of quantum auto-encoder for learning quantum systems
von: Du, Yuxuan, et al.
Veröffentlicht: (2021)

Learning smooth functions in high dimensions: from sparse polynomials to deep neural networks
von: Adcock, Ben, et al.
Veröffentlicht: (2024)

When narrower is better: the narrow width limit of Bayesian parallel branching neural networks
von: Zhang, Zechen, et al.
Veröffentlicht: (2024)

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

Dynamical system prediction from sparse observations using deep neural networks with Voronoi tessellation and physics constraint
von: Wang, Hanyang, et al.
Veröffentlicht: (2024)

High-dimensional prediction for count response via sparse exponential weights
von: Mai, The Tien
Veröffentlicht: (2024)

A projection-based framework for gradient-free and parallel learning
von: Bergmeister, Andreas, et al.
Veröffentlicht: (2025)

Overparametrized linear dimensionality reductions: From projection pursuit to two-layer neural networks
von: Montanari, Andrea, et al.
Veröffentlicht: (2022)

Training speedups via batching for geometric learning: an analysis of static and dynamic algorithms
von: Speckhard, Daniel T., et al.
Veröffentlicht: (2025)

Reconstructing unsteady flows from sparse, noisy measurements with a physics-constrained convolutional neural network
von: Mo, Yaxin, et al.
Veröffentlicht: (2024)

Continuous subsurface property retrieval from sparse radar observations using physics informed neural networks
von: Aziz, Ishfaq, et al.
Veröffentlicht: (2025)

Deep encoder-decoder hierarchical convolutional neural networks for conjugate heat transfer surrogate modeling
von: Ebbs-Picken, Takiah, et al.
Veröffentlicht: (2023)

A discrete physics-informed training for projection-based reduced order models with neural networks
von: Sibuet, N., et al.
Veröffentlicht: (2025)

Can sparsity improve the privacy of neural networks?
von: Gonon, Antoine, et al.
Veröffentlicht: (2023)

A PAC-Bayes oracle inequality for sparse neural networks
von: Steffen, Maximilian F., et al.
Veröffentlicht: (2022)

Spike-based computation using classical recurrent neural networks
von: De Geeter, Florent, et al.
Veröffentlicht: (2023)

Learning multi-phase flow and transport in fractured porous media with auto-regressive and recurrent graph neural networks
von: Kobaisi, Mohammed Al, et al.
Veröffentlicht: (2025)

Multi-task neural networks by learned contextual inputs
von: Sandnes, Anders T., et al.
Veröffentlicht: (2023)

Controlled oscillation modeling using port-Hamiltonian neural networks
von: Linares, Maximino, et al.
Veröffentlicht: (2026)

Identifying the nonlinear string dynamics with port-Hamiltonian neural networks
von: Linares, Maximino, et al.
Veröffentlicht: (2026)

Heterogeneous network and graph attention auto-encoder for LncRNA-disease association prediction
von: Liu, Jin-Xing, et al.
Veröffentlicht: (2024)

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

Exponential Lasso: robust sparse penalization under heavy-tailed noise and outliers with exponential-type loss
von: Mai, The Tien
Veröffentlicht: (2025)

On efficiently computable functions, deep networks and sparse compositionality
von: Poggio, Tomaso
Veröffentlicht: (2025)

On associative neural networks for sparse patterns with huge capacities
von: Löwe, Matthias, et al.
Veröffentlicht: (2026)

Quantum speedup of non-linear Monte Carlo problems
von: Blanchet, Jose, et al.
Veröffentlicht: (2025)

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

Adaptive control of recurrent neural networks using conceptors
von: Pourcel, Guillaume, et al.
Veröffentlicht: (2024)