Copertina

Want to train KANS at scale? Now UKAN!

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Moradzadeh, Alireza, Veccham, Srimukh Prasad, Wawrzyniak, Lukasz, Macklin, Miles, Paliwal, Saee G.
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Multitask finetuning and acceleration of chemical pretrained models for small molecule drug property prediction
di: Adrian, Matthew, et al.
Pubblicazione: (2025)

Molecule Generation with Fragment Retrieval Augmentation
di: Lee, Seul, et al.
Pubblicazione: (2024)

Exploring Synthesizable Chemical Space with Iterative Pathway Refinements
di: Lee, Seul, et al.
Pubblicazione: (2025)

GenMol: A Drug Discovery Generalist with Discrete Diffusion
di: Lee, Seul, et al.
Pubblicazione: (2025)

DualBind: A Dual-Loss Framework for Protein-Ligand Binding Affinity Prediction
di: Liu, Meng, et al.
Pubblicazione: (2024)

Applications of Modular Co-Design for De Novo 3D Molecule Generation
di: Reidenbach, Danny, et al.
Pubblicazione: (2025)

LinkLogic: A New Method and Benchmark for Explainable Knowledge Graph Predictions
di: Kumar-Singh, Niraj, et al.
Pubblicazione: (2024)

KANS: Knowledge Discovery Graph Attention Network for Soft Sensing in Multivariate Industrial Processes
di: Tew, Hwa Hui, et al.
Pubblicazione: (2025)

Neural Robot Dynamics
di: Xu, Jie, et al.
Pubblicazione: (2025)

Physics-Informed Neural Network for Concrete Manufacturing Process Optimization
di: Varghese, Sam, et al.
Pubblicazione: (2024)

If You Want to Be Robust, Be Wary of Initialization
di: Ennadir, Sofiane, et al.
Pubblicazione: (2025)

Wanting to be Understood
di: Fernando, Chrisantha, et al.
Pubblicazione: (2025)

SimAvatar: Simulation-Ready Avatars with Layered Hair and Clothing
di: Li, Xueting, et al.
Pubblicazione: (2024)

Ultrametric Cluster Hierarchies: I Want 'em All!
di: Draganov, Andrew, et al.
Pubblicazione: (2025)

Data-efficient pre-training by scaling synthetic megadocs
di: Kim, Konwoo, et al.
Pubblicazione: (2026)

PLUM: Adapting Pre-trained Language Models for Industrial-scale Generative Recommendations
di: He, Ruining, et al.
Pubblicazione: (2025)

Uncertainty propagation through trained multi-layer perceptrons: Exact analytical results
di: Thompson, Andrew, et al.
Pubblicazione: (2026)

Don't Stop Me Now: Embedding Based Scheduling for LLMs
di: Shahout, Rana, et al.
Pubblicazione: (2024)

BioNeMo Framework: a modular, high-performance library for AI model development in drug discovery
di: John, Peter St., et al.
Pubblicazione: (2024)

annbatch unlocks terabyte-scale training of biological data in anndata
di: Gold, Ilan, et al.
Pubblicazione: (2026)

Language models scale reliably with over-training and on downstream tasks
di: Gadre, Samir Yitzhak, et al.
Pubblicazione: (2024)

Selective Pre-training for Private Fine-tuning
di: Yu, Da, et al.
Pubblicazione: (2023)

Oja's plasticity rule overcomes several challenges of training neural networks under biological constraints
di: Shervani-Tabar, Navid, et al.
Pubblicazione: (2024)

Merge Now, Regret Later: The Hidden Cost of Model Merging is Adversarial Transferability
di: Gangwal, Ankit, et al.
Pubblicazione: (2025)

How to Achieve the Intended Aim of Deep Clustering Now, without Deep Learning
di: Ting, Kai Ming, et al.
Pubblicazione: (2026)

Near-field Beam training for Extremely Large-scale MIMO Based on Deep Learning
di: Nie, Jiali, et al.
Pubblicazione: (2024)

What should post-training optimize? A test-time scaling law perspective
di: Li, Muheng, et al.
Pubblicazione: (2026)

Why Self-Supervised Encoders Want to Be Normal
di: Domb, Yuval
Pubblicazione: (2026)

Act Now: A Novel Online Forecasting Framework for Large-Scale Streaming Data
di: Liang, Daojun, et al.
Pubblicazione: (2024)

Right Now, Wrong Then: Non-Stationary Direct Preference Optimization under Preference Drift
di: Son, Seongho, et al.
Pubblicazione: (2024)

Can You Hear Me Now? A Benchmark for Long-Range Graph Propagation
di: Miglior, Luca, et al.
Pubblicazione: (2025)

Position: The Time for Sampling Is Now! Charting a New Course for Bayesian Deep Learning
di: Sommer, Emanuel, et al.
Pubblicazione: (2026)

Come Together, But Not Right Now: A Progressive Strategy to Boost Low-Rank Adaptation
di: Zhuang, Zhan, et al.
Pubblicazione: (2025)

tsGT: Stochastic Time Series Modeling With Transformer
di: Kuciński, Łukasz, et al.
Pubblicazione: (2024)

RapidDock: Unlocking Proteome-scale Molecular Docking
di: Powalski, Rafał, et al.
Pubblicazione: (2024)

Convergence of variational Monte Carlo simulation and scale-invariant pre-training
di: Abrahamsen, Nilin, et al.
Pubblicazione: (2023)

Quasi Monte Carlo methods enable extremely low-dimensional deep generative models
di: Martinez, Miles, et al.
Pubblicazione: (2026)

Do traveling waves make good positional encodings?
di: van de Geijn, Chase, et al.
Pubblicazione: (2025)

Clifford Algebraic Rotor Embeddings : Maybe embeddings should start to CARE
di: Sriram, Sameeksha, et al.
Pubblicazione: (2025)

In Search of the Successful Interpolation: On the Role of Sharpness in CLIP Generalization
di: Abdollahpoorrostam, Alireza
Pubblicazione: (2024)