Buchumschlag

Nerva: a Truly Sparse Implementation of Neural Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wesselink, Wieger, Grooten, Bram, Xiao, Qiao, de Campos, Cassio, Pechenizkiy, Mykola
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

Batch Matrix-form Equations and Implementation of Multilayer Perceptrons
von: Wesselink, Wieger, et al.
Veröffentlicht: (2025)

Boosting Robustness in Preference-Based Reinforcement Learning with Dynamic Sparsity
von: Muslimani, Calarina, et al.
Veröffentlicht: (2024)

NeuroTrails: Training with Dynamic Sparse Heads as the Key to Effective Ensembling
von: Grooten, Bram, et al.
Veröffentlicht: (2025)

Are Sparse Neural Networks Better Hard Sample Learners?
von: Xiao, Qiao, et al.
Veröffentlicht: (2024)

Unveiling the Power of Sparse Neural Networks for Feature Selection
von: Atashgahi, Zahra, et al.
Veröffentlicht: (2024)

Rethinking Knowledge Transfer in Learning Using Privileged Information
von: Provodin, Danil, et al.
Veröffentlicht: (2024)

Efficient Exploration in Average-Reward Constrained Reinforcement Learning: Achieving Near-Optimal Regret With Posterior Sampling
von: Provodin, Danil, et al.
Veröffentlicht: (2024)

When Data Is Scarce: Scaling Sparse Language Models with Repeated Training
von: Wu, Boqian, et al.
Veröffentlicht: (2026)

Are There Exceptions to Goodhart's Law? On the Moral Justification of Fairness-Aware Machine Learning
von: Weerts, Hilde, et al.
Veröffentlicht: (2022)

Conformalized Exceptional Model Mining: Telling Where Your Model Performs (Not) Well
von: Du, Xin, et al.
Veröffentlicht: (2025)

Robust Active Learning (RoAL): Countering Dynamic Adversaries in Active Learning with Elastic Weight Consolidation
von: Fajri, Ricky Maulana, et al.
Veröffentlicht: (2024)

HASARD: A Benchmark for Vision-Based Safe Reinforcement Learning in Embodied Agents
von: Tomilin, Tristan, et al.
Veröffentlicht: (2025)

Adaptive Sparsity Level during Training for Efficient Time Series Forecasting with Transformers
von: Atashgahi, Zahra, et al.
Veröffentlicht: (2023)

Addressing the Collaboration Dilemma in Low-Data Federated Learning via Transient Sparsity
von: Xiao, Qiao, et al.
Veröffentlicht: (2025)

Out-of-Distribution Generalization with a SPARC: Racing 100 Unseen Vehicles with a Single Policy
von: Grooten, Bram, et al.
Veröffentlicht: (2025)

Visual Prompting Upgrades Neural Network Sparsification: A Data-Model Perspective
von: Jin, Can, et al.
Veröffentlicht: (2023)

One-Shot Federated Learning with Bayesian Pseudocoresets
von: d'Hondt, Tim, et al.
Veröffentlicht: (2024)

A Truly Sparse and General Implementation of Gradient-Based Synaptic Plasticity
von: Lohoff, Jamie, et al.
Veröffentlicht: (2025)

Are Heterogeneous Graph Neural Networks Truly Effective? A Causal Perspective
von: Yang, Xiao, et al.
Veröffentlicht: (2025)

Counterfactual Explanations for Time Series Should be Human-Centered and Temporally Coherent in Interventions
von: Chukwu, Emmanuel C., et al.
Veröffentlicht: (2025)

Investigating Gender Fairness in Machine Learning-driven Personalized Care for Chronic Pain
von: Gajane, Pratik, et al.
Veröffentlicht: (2024)

A Probabilistic Framework for Adapting to Changing and Recurring Concepts in Data Streams
von: Halstead, Ben, et al.
Veröffentlicht: (2024)

On Adversarial Robustness of Language Models in Transfer Learning
von: Turbal, Bohdan, et al.
Veröffentlicht: (2024)

Beyond Discriminant Patterns: On the Robustness of Decision Rule Ensembles
von: Du, Xin, et al.
Veröffentlicht: (2021)

You Can Have Better Graph Neural Networks by Not Training Weights at All: Finding Untrained GNNs Tickets
von: Huang, Tianjin, et al.
Veröffentlicht: (2022)

Formal Verification of Minimax Algorithms
von: Wesselink, Wieger, et al.
Veröffentlicht: (2025)

Fingerprinting Concepts in Data Streams with Supervised and Unsupervised Meta-Information
von: Halstead, Ben, et al.
Veröffentlicht: (2026)

Towards Privacy-Aware Bayesian Networks: A Credal Approach
von: Rocchi, Niccolò, et al.
Veröffentlicht: (2025)

Memory-Efficient LLM Training with Dynamic Sparsity: From Stability to Practical Scaling
von: Xiao, Qiao, et al.
Veröffentlicht: (2026)

LiMTR: Time Series Motion Prediction for Diverse Road Users through Multimodal Feature Integration
von: Oerlemans, Camiel, et al.
Veröffentlicht: (2024)

One Model for All: Multi-Objective Controllable Language Models
von: He, Qiang, et al.
Veröffentlicht: (2026)

MEAL: A Benchmark for Continual Multi-Agent Reinforcement Learning
von: Tomilin, Tristan, et al.
Veröffentlicht: (2025)

Generative Correlation Manifolds: Generating Synthetic Data with Preserved Higher-Order Correlations
von: d'Hondt, Jens E., et al.
Veröffentlicht: (2025)

Sparse Covariance Neural Networks
von: Cavallo, Andrea, et al.
Veröffentlicht: (2024)

Learning Efficient and Fair Policies for Uncertainty-Aware Collaborative Human-Robot Order Picking
von: Smit, Igor G., et al.
Veröffentlicht: (2024)

Predicting Energy Budgets in Droplet Dynamics: A Recurrent Neural Network Approach
von: de Aguiar, Diego A., et al.
Veröffentlicht: (2024)

Learning Neural Networks with Sparse Activations
von: Awasthi, Pranjal, et al.
Veröffentlicht: (2024)

Probabilistic Circuits with Constraints via Convex Optimization
von: Ghandi, Soroush, et al.
Veröffentlicht: (2024)

Soft Learning Probabilistic Circuits
von: Ghandi, Soroush, et al.
Veröffentlicht: (2024)

Towards Migrating Neural Network Implementations
von: Daoudi, Nadia, et al.
Veröffentlicht: (2025)