:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wu, Dongya, Li, Xin
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	https://arxiv.org/abs/2406.18137
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Adversarially robust generalization theory via Jacobian regularization for deep neural networks
von: Wu, Dongya, et al.
Veröffentlicht: (2024)

Optimal rates of approximation by shallow ReLU$^k$ neural networks and applications to nonparametric regression
von: Yang, Yunfei, et al.
Veröffentlicht: (2023)

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

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

A least distance estimator for a multivariate regression model using deep neural networks
von: Shin, Jungmin, et al.
Veröffentlicht: (2024)

Adversarial learning for nonparametric regression: Minimax rate and adaptive estimation
von: Peng, Jingfu, et al.
Veröffentlicht: (2025)

Nonlinear functional regression by functional deep neural network with kernel embedding
von: Shi, Zhongjie, et al.
Veröffentlicht: (2024)

Support estimation in high-dimensional heteroscedastic mean regression
von: Hermann, Philipp, et al.
Veröffentlicht: (2020)

Personalizing black-box models for nonparametric regression with minimax optimality
von: Li, Sai, et al.
Veröffentlicht: (2026)

Sparse and nonparametric estimation of equations governing dynamical systems with applications to biology
von: Pillonetto, G., et al.
Veröffentlicht: (2025)

Covariate shift in nonparametric regression with Markovian design
von: Trottner, Lukas
Veröffentlicht: (2023)

Quantifying predictive uncertainty of aphasia severity in stroke patients with sparse heteroscedastic Bayesian high-dimensional regression
von: Zgodic, Anja, et al.
Veröffentlicht: (2023)

Tessellation Localized Transfer learning for nonparametric regression
von: Halconruy, Hélène, et al.
Veröffentlicht: (2026)

CTSR: Cartesian tensor-based sparse regression for data-driven discovery of high-dimensional invariant governing equations
von: Zhang, Boqian, et al.
Veröffentlicht: (2025)

Space-time deep neural network approximations for high-dimensional partial differential equations
von: Hornung, Fabian, et al.
Veröffentlicht: (2020)

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

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

Asymmetrical estimator for training encapsulated deep photonic neural networks
von: Wang, Yizhi, et al.
Veröffentlicht: (2024)

Low-rank matrix estimation via nonconvex spectral regularized methods in errors-in-variables matrix regression
von: Li, Xin, et al.
Veröffentlicht: (2024)

Adaptive posterior concentration rates for sparse high-dimensional linear regression with random design and unknown error variance
von: Mai, The Tien
Veröffentlicht: (2024)

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

On weight and variance uncertainty in neural networks for regression tasks
von: Monemi, Moein, et al.
Veröffentlicht: (2025)

Minimax rates of convergence for nonparametric regression under adversarial attacks
von: Peng, Jingfu, 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)

Computing high-dimensional optimal transport by flow neural networks
von: Xu, Chen, et al.
Veröffentlicht: (2023)

Bayes optimal learning in high-dimensional linear regression with network side information
von: Nandy, Sagnik, et al.
Veröffentlicht: (2023)

Concentration of a sparse Bayesian model with Horseshoe prior in estimating high-dimensional precision matrix
von: Mai, The Tien
Veröffentlicht: (2024)

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

Implicit regularization of deep residual networks towards neural ODEs
von: Marion, Pierre, et al.
Veröffentlicht: (2023)

Memorization capacity of deep ReLU neural networks characterized by width and depth
von: Yang, Xin, et al.
Veröffentlicht: (2026)

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

Prevalidated ridge regression is a highly-efficient drop-in replacement for logistic regression for high-dimensional data
von: Dempster, Angus, et al.
Veröffentlicht: (2024)

Sparse Polyak with optimal thresholding operators for high-dimensional M-estimation
von: Qiao, Tianqi, et al.
Veröffentlicht: (2025)

Intrinsic training dynamics of deep neural networks
von: Marcotte, Sibylle, et al.
Veröffentlicht: (2025)

Towards generalizable deep ptychography neural networks
von: Vong, Albert, et al.
Veröffentlicht: (2025)

An axiomatized PDE model of deep neural networks
von: Wang, Tangjun, et al.
Veröffentlicht: (2023)

Tukey g-and-h neural network regression for non-Gaussian data
von: Guillaumin, Arthur P., et al.
Veröffentlicht: (2024)

Random Sparse Lifts: Construction, Analysis and Convergence of finite sparse networks
von: Robin, David A. R., et al.
Veröffentlicht: (2025)

Scaling and renormalization in high-dimensional regression
von: Atanasov, Alexander, et al.
Veröffentlicht: (2024)

Approximation and interpolation of deep neural networks
von: Constantinescu, Vlad-Raul, et al.
Veröffentlicht: (2023)