Buchumschlag

Improving Generalization of Deep Neural Networks by Optimum Shifting

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhou, Yuyan, Li, Ye, Feng, Lei, Huang, Sheng-Jun
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

Improving Generalization of Deep Neural Networks by Leveraging Margin Distribution
von: Lyu, Shen-Huan, et al.
Veröffentlicht: (2018)

Classification with Deep Neural Networks and Logistic Loss
von: Zhang, Zihan, et al.
Veröffentlicht: (2023)

Optimal Convergence Rates of Deep Neural Network Classifiers
von: Zhang, Zihan, et al.
Veröffentlicht: (2025)

Investigating the Gestalt Principle of Closure in Deep Convolutional Neural Networks
von: Zhang, Yuyan, et al.
Veröffentlicht: (2024)

Deep Neural Network Calibration by Reducing Classifier Shift with Stochastic Masking
von: Ni, Jiani, et al.
Veröffentlicht: (2025)

Frequency-adaptive Multi-scale Deep Neural Networks
von: Huang, Jizu, et al.
Veröffentlicht: (2024)

Depth-induced NTK: Bridging Over-parameterized Neural Networks and Deep Neural Kernels
von: Tian, Yong-Ming, et al.
Veröffentlicht: (2025)

Aligning Knowledge Graphs Provided by Humans and Generated from Neural Networks in Specific Tasks
von: Li, Tangrui, et al.
Veröffentlicht: (2024)

Boosting Column Generation with Graph Neural Networks for Joint Rider Trip Planning and Crew Shift Scheduling
von: Lu, Jiawei, et al.
Veröffentlicht: (2024)

ShiftAddNet: A Hardware-Inspired Deep Network
von: You, Haoran, et al.
Veröffentlicht: (2020)

MAGDiff: Covariate Data Set Shift Detection via Activation Graphs of Deep Neural Networks
von: Arnal, Charles, et al.
Veröffentlicht: (2023)

A Survey of Deep Graph Learning under Distribution Shifts: from Graph Out-of-Distribution Generalization to Adaptation
von: Zhang, Kexin, et al.
Veröffentlicht: (2024)

Neural Network-based Partial-Linear Single-Index Models for Environmental Mixtures Analysis
von: Do, Hyungrok, et al.
Veröffentlicht: (2025)

On Expressivity of Height in Neural Networks
von: Fan, Feng-Lei, et al.
Veröffentlicht: (2023)

Deep Grokking: Would Deep Neural Networks Generalize Better?
von: Fan, Simin, et al.
Veröffentlicht: (2024)

The State of the Art in transformer fault diagnosis with artificial intelligence and Dissolved Gas Analysis: A Review of the Literature
von: Li, Yuyan
Veröffentlicht: (2023)

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

ROSA: Robust and Energy-Efficient Microring-Based Optical Neural Networks via Optical Shift-and-Add and Layer-Wise Hybrid Mapping
von: Zhang, Huifan, et al.
Veröffentlicht: (2026)

Generalization Guarantees of Gradient Descent for Multi-Layer Neural Networks
von: Wang, Puyu, et al.
Veröffentlicht: (2023)

Causal Estimation of Exposure Shifts with Neural Networks
von: Tec, Mauricio, et al.
Veröffentlicht: (2023)

Generalization Bounds for Rank-sparse Neural Networks
von: Ledent, Antoine, et al.
Veröffentlicht: (2025)

Fairpriori: Improving Biased Subgroup Discovery for Deep Neural Network Fairness
von: Zhou, Kacy, et al.
Veröffentlicht: (2024)

Improving Infinitely Deep Bayesian Neural Networks with Nesterov's Accelerated Gradient Method
von: Yu, Chenxu, et al.
Veröffentlicht: (2026)

Improving Shift Invariance in Convolutional Neural Networks with Translation Invariant Polyphase Sampling
von: Saha, Sourajit, et al.
Veröffentlicht: (2024)

Inference for Deep Neural Network Estimators in Generalized Nonparametric Models
von: Meng, Xuran, et al.
Veröffentlicht: (2025)

Robust Knowledge Adaptation for Dynamic Graph Neural Networks
von: Li, Hanjie, et al.
Veröffentlicht: (2022)

A Nonparametric Statistics Approach to Feature Selection in Deep Neural Networks with Theoretical Guarantees
von: Du, Junye, et al.
Veröffentlicht: (2025)

Do Bayesian Neural Networks Improve Weapon System Predictive Maintenance?
von: Potter, Michael, et al.
Veröffentlicht: (2023)

Neural Network Reprogrammability: A Unified Theme on Model Reprogramming, Prompt Tuning, and Prompt Instruction
von: Ye, Zesheng, et al.
Veröffentlicht: (2025)

Certifying Global Robustness for Deep Neural Networks
von: Li, You, et al.
Veröffentlicht: (2024)

IPP-Net: A Generalizable Deep Neural Network Model for Indoor Pathloss Radio Map Prediction
von: Feng, Bin, et al.
Veröffentlicht: (2025)

Beyond Over-smoothing: Uncovering the Trainability Challenges in Deep Graph Neural Networks
von: Peng, Jie, et al.
Veröffentlicht: (2024)

SGD with Partial Hessian for Deep Neural Networks Optimization
von: Sun, Ying, et al.
Veröffentlicht: (2024)

On the Relationship Between Representation Geometry and Generalization in Deep Neural Networks
von: Yadav, Sumit
Veröffentlicht: (2026)

Ghost-Connect Net: A Generalization-Enhanced Guidance For Sparse Deep Networks Under Distribution Shifts
von: Wisell, Mary Isabelle, et al.
Veröffentlicht: (2024)

Patch Synthesis for Property Repair of Deep Neural Networks
von: Chi, Zhiming, et al.
Veröffentlicht: (2024)

Adversarial Training Improves Generalization Under Distribution Shifts in Bioacoustics
von: Heinrich, René, et al.
Veröffentlicht: (2025)

Online Adversarial Knowledge Distillation for Graph Neural Networks
von: Wang, Can, et al.
Veröffentlicht: (2021)

Exploring and Improving Initialization for Deep Graph Neural Networks: A Signal Propagation Perspective
von: Wang, Senmiao, et al.
Veröffentlicht: (2025)

LSEnet: Lorentz Structural Entropy Neural Network for Deep Graph Clustering
von: Sun, Li, et al.
Veröffentlicht: (2024)