Buchumschlag

Bridging the Gap Between Approximation and Learning via Optimal Approximation by ReLU MLPs of Maximal Regularity

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Hong, Ruiyang, Kratsios, Anastasis
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Numerical Analysis Neural and Evolutionary Computing Functional Analysis 68T07, 41A44, 26A16
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Structure-Preserving Reconstruction of Convex Lipschitz Functionals on Hilbert Spaces from Finite Samples
von: Kratsios, Anastasis
Veröffentlicht: (2026)

Efficient Approximation to Analytic and $L^p$ functions by Height-Augmented ReLU Networks
von: Li, ZeYu, et al.
Veröffentlicht: (2026)

Beyond Universal Approximation Theorems: Algorithmic Uniform Approximation by Neural Networks Trained with Noisy Data
von: Kratsios, Anastasis, et al.
Veröffentlicht: (2025)

Transformers Can Solve Non-Linear and Non-Markovian Filtering Problems in Continuous Time For Conditionally Gaussian Signals
von: Horvath, Blanka, et al.
Veröffentlicht: (2023)

ReLU neural network approximation to piecewise constant functions
von: Cai, Zhiqiang, et al.
Veröffentlicht: (2024)

Higher-Order Transformer Derivative Estimates for Explicit Pathwise Learning Guarantees
von: Limmer, Yannick, et al.
Veröffentlicht: (2024)

Approximation Rates and VC-Dimension Bounds for (P)ReLU MLP Mixture of Experts
von: Kratsios, Anastasis, et al.
Veröffentlicht: (2024)

Is In-Context Universality Enough? MLPs are Also Universal In-Context
von: Kratsios, Anastasis, et al.
Veröffentlicht: (2025)

Approximation bounds for norm constrained deep neural networks
von: Maiale, Francesco Paolo, et al.
Veröffentlicht: (2025)

Minimum Width of Leaky-ReLU Neural Networks for Uniform Universal Approximation
von: Li, Li'ang, et al.
Veröffentlicht: (2023)

On the Principles of ReLU Networks with One Hidden Layer
von: Huang, Changcun
Veröffentlicht: (2024)

Optimal Approximation of Zonoids and Uniform Approximation by Shallow Neural Networks
von: Siegel, Jonathan W.
Veröffentlicht: (2023)

On the existence of optimal shallow feedforward networks with ReLU activation
von: Dereich, Steffen, et al.
Veröffentlicht: (2023)

Equidistribution-based training of Free Knot Splines and ReLU Neural Networks
von: Appella, Simone, et al.
Veröffentlicht: (2024)

On the existence of minimizers in shallow residual ReLU neural network optimization landscapes
von: Dereich, Steffen, et al.
Veröffentlicht: (2023)

Neural Networks Trained by Weight Permutation are Universal Approximators
von: Cai, Yongqiang, et al.
Veröffentlicht: (2024)

Simultaneous CNN Approximation on Manifolds with Applications to Boundary Value Problems
von: Zhou, Hanfei, et al.
Veröffentlicht: (2026)

Approximation Rates in Besov Norms and Sample-Complexity of Kolmogorov-Arnold Networks with Residual Connections
von: Kratsios, Anastasis, et al.
Veröffentlicht: (2025)

Approximation Error and Complexity Bounds for ReLU Networks on Low-Regular Function Spaces
von: Davis, Owen, et al.
Veröffentlicht: (2024)

Exact ReLU realization of tensor-product refinement iterates
von: Gantumur, Tsogtgerel
Veröffentlicht: (2026)

Quantitative Approximation Rates for Group Equivariant Learning
von: Siegel, Jonathan W., et al.
Veröffentlicht: (2026)

Expressivity and Approximation Properties of Deep Neural Networks with ReLU$^k$ Activation
von: He, Juncai, et al.
Veröffentlicht: (2023)

Optimal Approximation Rates for Deep ReLU Neural Networks on Sobolev and Besov Spaces
von: Siegel, Jonathan W.
Veröffentlicht: (2022)

Quantifying The Limits of AI Reasoning: Systematic Neural Network Representations of Algorithms
von: Kratsios, Anastasis, et al.
Veröffentlicht: (2025)

From Taylor Series to Fourier Synthesis: The Periodic Linear Unit
von: Kudo, Shiko
Veröffentlicht: (2025)

On the growth of the parameters of approximating ReLU neural networks
von: Morina, Erion, et al.
Veröffentlicht: (2024)

Neural Flow Operators can Approximate any Operator: Abstract Frameworks and Universal Approximations
von: Chen, Shuang, et al.
Veröffentlicht: (2026)

Exact Loop Controllers for ReLU Realization of Homogeneous Curve Refinements
von: Bolorkhuu, Boldsaikhan, et al.
Veröffentlicht: (2026)

Approximation Rates for Shallow ReLU$^k$ Neural Networks on Sobolev Spaces via the Radon Transform
von: Mao, Tong, et al.
Veröffentlicht: (2024)

Shallow ReLU$^s$ Networks in $L^p$-Type and Sobolev Spaces: Approximation and Path-Norm Controlled Generalization
von: Li, Weizhao, et al.
Veröffentlicht: (2026)

Universal Approximation of Dynamical Systems by Semi-Autonomous Neural ODEs and Applications
von: Li, Ziqian, et al.
Veröffentlicht: (2024)

Interpolation and inverse problems in spectral Barron spaces
von: Lu, Shuai, et al.
Veröffentlicht: (2025)

Adaptive Randomized Neural Networks with Locally Activation Function: Theory and Algorithm for Solving PDEs
von: Bi, Ran, et al.
Veröffentlicht: (2026)

Addressing common misinterpretations of KART and UAT in neural network literature
von: Ismailov, Vugar
Veröffentlicht: (2024)

MonoKAN: Certified Monotonic Kolmogorov-Arnold Network
von: Polo-Molina, Alejandro, et al.
Veröffentlicht: (2024)

Sharp Lower Bounds on Interpolation by Deep ReLU Neural Networks at Irregularly Spaced Data
von: Siegel, Jonathan W.
Veröffentlicht: (2023)

A Least-Squares-Based Regularity-Conforming Neural Networks (LS-ReCoNNs) for Solving Parametric Transmission Problems
von: Baharlouei, Shima, et al.
Veröffentlicht: (2026)

Nonlocal techniques for the analysis of deep ReLU neural network approximations
von: Schneider, Cornelia, et al.
Veröffentlicht: (2025)

On optimization of cubature formulae for Sobolev classes of functions defined on star domains
von: Kovalenko, Oleg
Veröffentlicht: (2023)

On some sharp Landau--Kolmogorov--Nagy type inequalities in Sobolev spaces of multivariate functions
von: Babenko, V. F., et al.
Veröffentlicht: (2023)