Buchumschlag

Higher-Order Transformer Derivative Estimates for Explicit Pathwise Learning Guarantees

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Limmer, Yannick, Kratsios, Anastasis, Yang, Xuwei, Saqur, Raeid, Horvath, Blanka
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Numerical Analysis Neural and Evolutionary Computing Probability 60G35, 62M20, 68T07, 41A65
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Transformers Can Solve Non-Linear and Non-Markovian Filtering Problems in Continuous Time For Conditionally Gaussian Signals
von: Horvath, Blanka, et al.
Veröffentlicht: (2023)

Structure-Preserving Reconstruction of Convex Lipschitz Functionals on Hilbert Spaces from Finite Samples
von: Kratsios, Anastasis
Veröffentlicht: (2026)

Bridging the Gap Between Approximation and Learning via Optimal Approximation by ReLU MLPs of Maximal Regularity
von: Hong, Ruiyang, et al.
Veröffentlicht: (2024)

Beyond Universal Approximation Theorems: Algorithmic Uniform Approximation by Neural Networks Trained with Noisy Data
von: Kratsios, Anastasis, et al.
Veröffentlicht: (2025)

Adaptivity Under Realizability Constraints: Comparing In-Context and Agentic Learning
von: Kratsios, Anastasis, et al.
Veröffentlicht: (2026)

Quantifying The Limits of AI Reasoning: Systematic Neural Network Representations of Algorithms
von: Kratsios, Anastasis, et al.
Veröffentlicht: (2025)

Advanced Physics-Informed Neural Network with Residuals for Solving Complex Integral Equations
von: Moghaddam, Mahdi Movahedian, et al.
Veröffentlicht: (2025)

Efficient Approximation to Analytic and $L^p$ functions by Height-Augmented ReLU Networks
von: Li, ZeYu, et al.
Veröffentlicht: (2026)

Neural Networks Trained by Weight Permutation are Universal Approximators
von: Cai, Yongqiang, et al.
Veröffentlicht: (2024)

Every Feedforward Neural Network Definable in an o-Minimal Structure Has Finite Sample Complexity
von: Kratsios, Anastasis, et al.
Veröffentlicht: (2026)

Seeking SOTA: Time-Series Forecasting Must Adopt Taxonomy-Specific Evaluation to Dispel Illusory Gains
von: Saqur, Raeid, et al.
Veröffentlicht: (2026)

Is In-Context Universality Enough? MLPs are Also Universal In-Context
von: Kratsios, Anastasis, et al.
Veröffentlicht: (2025)

Universal approximation theorem for neural networks with inputs from a topological vector space
von: Ismailov, Vugar
Veröffentlicht: (2024)

MonoKAN: Certified Monotonic Kolmogorov-Arnold Network
von: Polo-Molina, Alejandro, et al.
Veröffentlicht: (2024)

Pointer Networks Trained Better via Evolutionary Algorithms
von: Zhong, Muyao, et al.
Veröffentlicht: (2023)

Reconstructing shared dynamics with a deep neural network
von: Benkő, Zsigmond, et al.
Veröffentlicht: (2021)

Fractional Artificial Neural Networks for Growth Models
von: Najera-Tinoco, Juan Carlos, et al.
Veröffentlicht: (2025)

SANOS Smooth strictly Arbitrage-free Non-parametric Option Surfaces
von: Buehler, Hans, et al.
Veröffentlicht: (2026)

Deep Neural Networks: A Formulation Via Non-Archimedean Analysis
von: Zúñiga-Galindo, W. A.
Veröffentlicht: (2024)

Chebyshev Feature Neural Network for Accurate Function Approximation
von: Xu, Zhongshu, et al.
Veröffentlicht: (2024)

An accurate flatness measure to estimate the generalization performance of CNN models
von: Taleghani, Rahman, et al.
Veröffentlicht: (2026)

Approximation Rates in Besov Norms and Sample-Complexity of Kolmogorov-Arnold Networks with Residual Connections
von: Kratsios, Anastasis, et al.
Veröffentlicht: (2025)

Fourier Residual Networks Achieve Spectral Accuracy for Discontinuous Functions
von: Davis, Owen, et al.
Veröffentlicht: (2026)

Adaptive Randomized Neural Networks with Locally Activation Function: Theory and Algorithm for Solving PDEs
von: Bi, Ran, et al.
Veröffentlicht: (2026)

Equidistribution-based training of Free Knot Splines and ReLU Neural Networks
von: Appella, Simone, et al.
Veröffentlicht: (2024)

Solving the inverse source problem of the fractional Poisson equation by MC-fPINNs
von: Sheng, Rui, et al.
Veröffentlicht: (2024)

Filtered not Mixed: Stochastic Filtering-Based Online Gating for Mixture of Large Language Models
von: Saqur, Raeid, et al.
Veröffentlicht: (2024)

A parametric activation function based on Wendland RBF
von: Darehmiraki, Majid
Veröffentlicht: (2025)

Towards Understanding the Link Between Modularity and Performance in Neural Networks for Reinforcement Learning
von: Munn, Humphrey, et al.
Veröffentlicht: (2022)

P1-KAN: an effective Kolmogorov-Arnold network with application to hydraulic valley optimization
von: Warin, Xavier
Veröffentlicht: (2024)

One-Spike SNN: Single-Spike Phase Coding with Base Manipulation for ANN-to-SNN Conversion Loss Minimization
von: Hwang, Sangwoo, et al.
Veröffentlicht: (2024)

Implementing Online Reinforcement Learning with Clustering Neural Networks
von: Smith, James E.
Veröffentlicht: (2024)

Adjusting Dynamics of Hopfield Neural Network via Time-variant Stimulus
von: Peng, Xuenan, et al.
Veröffentlicht: (2024)

Approximation Rates and VC-Dimension Bounds for (P)ReLU MLP Mixture of Experts
von: Kratsios, Anastasis, et al.
Veröffentlicht: (2024)

Derivative-Informed Fourier Neural Operator: Universal Approximation and Applications to PDE-Constrained Optimization
von: Yao, Boyuan, et al.
Veröffentlicht: (2025)

Enhancing Future Prediction of Linear and Nonlinear Reduced-Order Models for Transport-Dominated Problems Using Lagrangian Data
von: Li, Meng, et al.
Veröffentlicht: (2026)

From Embeddings to Equations: Genetic-Programming Surrogates for Interpretable Transformer Classification
von: Khorshidi, Mohammad Sadegh, et al.
Veröffentlicht: (2025)

Minimum Width of Leaky-ReLU Neural Networks for Uniform Universal Approximation
von: Li, Li'ang, et al.
Veröffentlicht: (2023)

Vanilla Feedforward Neural Networks as a Discretization of Dynamical Systems
von: Duan, Yifei, et al.
Veröffentlicht: (2022)

NervePool: A Simplicial Pooling Layer
von: Scullen, Sarah McGuire, et al.
Veröffentlicht: (2023)