Buchumschlag

Enhanced Feature Learning via Regularisation: Integrating Neural Networks and Kernel Methods

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Follain, Bertille, Bach, Francis
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

Nonparametric Linear Feature Learning in Regression Through Regularisation
von: Follain, Bertille, et al.
Veröffentlicht: (2023)

Canonical Regularisation of Wide Feature-Learning Neural Networks
von: Whittle, George, et al.
Veröffentlicht: (2026)

Stochastic Kernel Regularisation Improves Generalisation in Deep Kernel Machines
von: Milsom, Edward, et al.
Veröffentlicht: (2024)

Kernel Learning with Adversarial Features: Numerical Efficiency and Adaptive Regularization
von: Ribeiro, Antônio H., et al.
Veröffentlicht: (2025)

Neural Collapse Dynamics: Depth, Activation, Regularisation, and Feature Norm Threshold
von: Rupa, Anamika Paul
Veröffentlicht: (2026)

An Uncertainty Principle for Linear Recurrent Neural Networks
von: François, Alexandre, et al.
Veröffentlicht: (2025)

On the Effectiveness of the z-Transform Method in Quadratic Optimization
von: Bach, Francis
Veröffentlicht: (2025)

An Infinite-Width Analysis on the Jacobian-Regularised Training of a Neural Network
von: Kim, Taeyoung, et al.
Veröffentlicht: (2023)

Temporal Smoothness Regularisers for Neural Link Predictors
von: Dileo, Manuel, et al.
Veröffentlicht: (2023)

Random Features for Operator-Valued Kernels: Bridging Kernel Methods and Neural Operators
von: Nguyen, Mike, et al.
Veröffentlicht: (2026)

Statistical and Geometrical properties of regularized Kernel Kullback-Leibler divergence
von: Chazal, Clémentine, et al.
Veröffentlicht: (2024)

Approximate Equivariance via Projection-based Regularisation
von: Berndt, Torben, et al.
Veröffentlicht: (2026)

Monte Carlo Functional Regularisation for Continual Learning
von: Hao, Pengcheng, et al.
Veröffentlicht: (2025)

AdaKernel: Learning Adaptive Kernel Parameters for Spatiotemporal Graph Neural Networks
von: Zhang, Zhongyue, et al.
Veröffentlicht: (2026)

Featured Reproducing Kernel Banach Spaces for Learning and Neural Networks
von: de la Higuera, Isabel, et al.
Veröffentlicht: (2026)

A Convex Loss Function for Set Prediction with Optimal Trade-offs Between Size and Conditional Coverage
von: Bach, Francis
Veröffentlicht: (2025)

High-Dimensional Analysis of Gradient Flow for Extensive-Width Quadratic Neural Networks
von: Martin, Simon, et al.
Veröffentlicht: (2026)

Evidence on the Regularisation Properties of Maximum-Entropy Reinforcement Learning
von: Hosseinkhan-Boucher, Rémy, et al.
Veröffentlicht: (2025)

RFFNet: Large-Scale Interpretable Kernel Methods via Random Fourier Features
von: Otto, Mateus P., et al.
Veröffentlicht: (2022)

Solving Roughly Forced Nonlinear PDEs via Misspecified Kernel Methods and Neural Networks
von: Baptista, Ricardo, et al.
Veröffentlicht: (2025)

Graph Kernel Neural Networks
von: Cosmo, Luca, et al.
Veröffentlicht: (2021)

Finding Optimal Diverse Feature Sets with Alternative Feature Selection
von: Bach, Jakob
Veröffentlicht: (2023)

NTK-DFL: Enhancing Decentralized Federated Learning in Heterogeneous Settings via Neural Tangent Kernel
von: Thompson, Gabriel, et al.
Veröffentlicht: (2024)

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

Direct Training Needs Regularisation: Anytime Optimal Inference Spiking Neural Network
von: Wu, Dengyu, et al.
Veröffentlicht: (2024)

Enhanced Denoising and Convergent Regularisation Using Tweedie Scaling
von: Khelifa, Naïl, et al.
Veröffentlicht: (2025)

A Spectral Framework for Closed-Form Relative Density Estimation
von: Bach, Francis
Veröffentlicht: (2026)

End-to-end Kernel Learning via Generative Random Fourier Features
von: Fang, Kun, et al.
Veröffentlicht: (2020)

Sampling Binary Data by Denoising through Score Functions
von: Bach, Francis, et al.
Veröffentlicht: (2025)

Optimal Denoising in Score-Based Generative Models: The Role of Data Regularity
von: Beyler, Eliot, et al.
Veröffentlicht: (2025)

Convergence of Deterministic and Stochastic Diffusion-Model Samplers: A Simple Analysis in Wasserstein Distance
von: Beyler, Eliot, et al.
Veröffentlicht: (2025)

Decomposing Direct and Indirect Biases in Linear Models under Demographic Parity Constraint
von: Tierny, Bertille, et al.
Veröffentlicht: (2025)

Statistical Collusion by Collectives on Learning Platforms
von: Gauthier, Etienne, et al.
Veröffentlicht: (2025)

Faithful and Efficient Explanations for Neural Networks via Neural Tangent Kernel Surrogate Models
von: Engel, Andrew, et al.
Veröffentlicht: (2023)

Issues with Neural Tangent Kernel Approach to Neural Networks
von: Liu, Haoran, et al.
Veröffentlicht: (2025)

Fast Evaluation of Additive Kernels: Feature Arrangement, Fourier Methods, and Kernel Derivatives
von: Wagner, Theresa, et al.
Veröffentlicht: (2024)

Conditional KRR: Injecting Unpenalized Features into Kernel Methods with Applications to Kernel Thresholding
von: Takhanov, Rustem, et al.
Veröffentlicht: (2026)

DRED: Zero-Shot Transfer in Reinforcement Learning via Data-Regularised Environment Design
von: Garcin, Samuel, et al.
Veröffentlicht: (2024)

Optimal Kernel Quantile Learning with Random Features
von: Wang, Caixing, et al.
Veröffentlicht: (2024)

An Application of the Holonomic Gradient Method to the Neural Tangent Kernel
von: Sakoda, Akihiro, et al.
Veröffentlicht: (2024)