Buchumschlag

Learning to Compile Programs to Neural Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Weber, Logan, Michel, Jesse, Renda, Alex, Carbin, Michael
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

The Neural Compiler: Program-to-Network Translation for Hybrid Scientific Machine Learning
von: Sheneman, Lucas
Veröffentlicht: (2026)

Sharing State Between Prompts and Programs
von: Cheng, Ellie Y., et al.
Veröffentlicht: (2025)

Variable Assignment Invariant Neural Networks for Learning Logic Programs
von: Phua, Yin Jun, et al.
Veröffentlicht: (2024)

Deep Neural Network Benchmarks for Selective Classification
von: Pugnana, Andrea, et al.
Veröffentlicht: (2024)

OpenEstimate: Evaluating LLMs on Reasoning Under Uncertainty with Real-World Data
von: Renda, Alana, et al.
Veröffentlicht: (2025)

Retrieval Capabilities of Large Language Models Scale with Pretraining FLOPs
von: Portes, Jacob, et al.
Veröffentlicht: (2025)

Compiler-R1: Towards Agentic Compiler Auto-tuning with Reinforcement Learning
von: Pan, Haolin, et al.
Veröffentlicht: (2025)

Forward Only Learning for Orthogonal Neural Networks of any Depth
von: Caillon, Paul, et al.
Veröffentlicht: (2025)

BIPNN: Learning to Solve Binary Integer Programming via Hypergraph Neural Networks
von: Bai, Sen, et al.
Veröffentlicht: (2025)

Explaining Neural Networks in Preference Learning: a Post-hoc Inductive Logic Programming Approach
von: Fossemò, Daniele, et al.
Veröffentlicht: (2026)

Synthetic Trajectory Generation Through Convolutional Neural Networks
von: Merhi, Jesse, et al.
Veröffentlicht: (2024)

Fair Graph Neural Network with Supervised Contrastive Regularization
von: Kejani, Mahdi Tavassoli, et al.
Veröffentlicht: (2024)

Can We Formally Verify Neural PDE Surrogates? SMT Compilation of Small Fourier Neural Operators
von: Baheri, Ali, et al.
Veröffentlicht: (2026)

Momentum-Conserving Graph Neural Networks for Deformable Objects
von: Wang, Jiahong, et al.
Veröffentlicht: (2026)

Mind The Gap: Quantifying Mechanistic Gaps in Algorithmic Reasoning via Neural Compilation
von: Saldyt, Lucas, et al.
Veröffentlicht: (2025)

Compiling High-Level Neural Network Specifications into VNN-LIB Queries
von: Daggitt, Matthew L., et al.
Veröffentlicht: (2024)

Graph Neural Networks for Learning Equivariant Representations of Neural Networks
von: Kofinas, Miltiadis, et al.
Veröffentlicht: (2024)

CompilerKV: Risk-Adaptive KV Compression via Offline Experience Compilation
von: Yang, Ning, et al.
Veröffentlicht: (2026)

Hexcute: A Compiler Framework for Automating Layout Synthesis in GPU Programs
von: Zhang, Xiao, et al.
Veröffentlicht: (2025)

Gradient Routing: Masking Gradients to Localize Computation in Neural Networks
von: Cloud, Alex, et al.
Veröffentlicht: (2024)

Cooperative Graph Neural Networks
von: Finkelshtein, Ben, et al.
Veröffentlicht: (2023)

CALE: Continuous Arcade Learning Environment
von: Farebrother, Jesse, et al.
Veröffentlicht: (2024)

A Unified Kernel for Neural Network Learning
von: Zhang, Shao-Qun, et al.
Veröffentlicht: (2024)

Neural Network Conversion of Machine Learning Pipelines
von: Sung, Man-Ling, et al.
Veröffentlicht: (2026)

On the Occurence of Critical Learning Periods in Neural Networks
von: Pawlak, Stanisław
Veröffentlicht: (2025)

Learning Trajectories of Hamiltonian Systems with Neural Networks
von: Haitsiukevich, Katsiaryna, et al.
Veröffentlicht: (2022)

Born Again Neural Networks
von: Furlanello, Tommaso, et al.
Veröffentlicht: (2018)

Taming Binarized Neural Networks and Mixed-Integer Programs
von: Aspman, Johannes, et al.
Veröffentlicht: (2023)

Offline Reinforcement Learning for Learning to Dispatch for Job Shop Scheduling
von: van Remmerden, Jesse, et al.
Veröffentlicht: (2024)

Atherosclerosis through Hierarchical Explainable Neural Network Analysis
von: Adam, Irsyad, et al.
Veröffentlicht: (2025)

Metric Learning for Clifford Group Equivariant Neural Networks
von: Ali, Riccardo, et al.
Veröffentlicht: (2024)

Distilling Symbolic Priors for Concept Learning into Neural Networks
von: Marinescu, Ioana, et al.
Veröffentlicht: (2024)

Introduction to Graph Neural Networks for Machine Learning Engineers
von: Tanis, James H., et al.
Veröffentlicht: (2024)

Learning from Historical Activations in Graph Neural Networks
von: Galron, Yaniv, et al.
Veröffentlicht: (2026)

Flow to Learn: Flow Matching on Neural Network Parameters
von: Saragih, Daniel, et al.
Veröffentlicht: (2025)

Graph Neural Diffusion Networks for Semi-supervised Learning
von: Ye, Wei, et al.
Veröffentlicht: (2022)

Principal Components for Neural Network Initialization
von: Phan, Nhan, et al.
Veröffentlicht: (2025)

Learning Dynamics of Deep Learning -- Force Analysis of Deep Neural Networks
von: Ren, Yi
Veröffentlicht: (2025)

Over-squashing in Spatiotemporal Graph Neural Networks
von: Marisca, Ivan, et al.
Veröffentlicht: (2025)

Distributed Graph Neural Network Inference With Just-In-Time Compilation For Industry-Scale Graphs
von: Wu, Xiabao, et al.
Veröffentlicht: (2025)