Buchumschlag

A new Linear Time Bi-level $\ell_{1,\infty}$ projection ; Application to the sparsification of auto-encoders neural networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Barlaud, Michel, Perez, Guillaume, Marmorat, Jean-Paul
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

Multi-level projection with exponential parallel speedup; Application to sparse auto-encoders neural networks
von: Perez, Guillaume, 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)

Geometric sparsification in recurrent neural networks
von: Mackey, Wyatt, et al.
Veröffentlicht: (2024)

Bayesian sparsification for deep neural networks with Bayesian model reduction
von: Marković, Dimitrije, et al.
Veröffentlicht: (2023)

Improving the performance of Stein variational inference through extreme sparsification of physically-constrained neural network models
von: Padmanabha, Govinda Anantha, et al.
Veröffentlicht: (2024)

Improved Distribution Estimation in $\ell_\infty$
von: Cohen, Doron, et al.
Veröffentlicht: (2026)

Linear regression with overparameterized linear neural networks: Tight upper and lower bounds for implicit $\ell^1$-regularization
von: Matt, Hannes, et al.
Veröffentlicht: (2025)

Beyond $\ell_2$-norm and $\ell_\infty$-norm: A Curvature-Inspired $\ell_p$-Norm Scheme for Deep Neural Networks
von: Xu, Jianhao, et al.
Veröffentlicht: (2026)

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

Embedding interpretable $\ell_1$-regression into neural networks for uncovering temporal structure in cell imaging
von: Kabus, Fabian, et al.
Veröffentlicht: (2026)

A Determinantal Approach to a Sharp $\ell^1-\ell^\infty-\ell^2$ Norm Inequality
von: Benitez, Jose Antonio Lara
Veröffentlicht: (2026)

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

Large-scale semi-supervised learning with online spectral graph sparsification
von: Calandriello, Daniele, et al.
Veröffentlicht: (2026)

Improved large-scale graph learning through ridge spectral sparsification
von: Calandriello, Daniele, et al.
Veröffentlicht: (2026)

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

Linearity-based neural network compression
von: Dobler, Silas, et al.
Veröffentlicht: (2025)

Adam Exploits $\ell_\infty$-geometry of Loss Landscape via Coordinate-wise Adaptivity
von: Xie, Shuo, et al.
Veröffentlicht: (2024)

Implicit Bias of AdamW: $\ell_\infty$ Norm Constrained Optimization
von: Xie, Shuo, et al.
Veröffentlicht: (2024)

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

Asymptotic Behavior of Adversarial Training Estimator under $\ell_\infty$-Perturbation
von: Xie, Yiling, et al.
Veröffentlicht: (2024)

OLion: Approaching the Hadamard Ideal by Intersecting Spectral and $\ell_{\infty}$ Implicit Biases
von: Wang, Zixiao, et al.
Veröffentlicht: (2026)

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

A new approach for combined model class selection and parameters learning for auto-regressive neural models
von: Sgadari, Corrado, et al.
Veröffentlicht: (2026)

Bi-fidelity Variational Auto-encoder for Uncertainty Quantification
von: Cheng, Nuojin, et al.
Veröffentlicht: (2023)

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

Improving the interpretability of GNN predictions through conformal-based graph sparsification
von: Sanchez-Martin, Pablo, et al.
Veröffentlicht: (2024)

Semi-overcomplete convolutional auto-encoder embedding as shape priors for deep vessel segmentation
von: Sadikine, Amine, et al.
Veröffentlicht: (2024)

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

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

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)

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)

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)

Learning based on neurovectors for tabular data: a new neural network approach
von: Husillos, J. C., et al.
Veröffentlicht: (2025)

Generalizing the SINDy approach with nested neural networks
von: Fiorini, Camilla, et al.
Veröffentlicht: (2024)