Buchumschlag

Tuning Frequency Bias of State Space Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yu, Annan, Lyu, Dongwei, Lim, Soon Hoe, Mahoney, Michael W., Erichson, N. Benjamin
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

HOPE for a Robust Parameterization of Long-memory State Space Models
von: Yu, Annan, et al.
Veröffentlicht: (2024)

Continuity Laws for Sequential Models
von: Yu, Annan, et al.
Veröffentlicht: (2026)

Gated Recurrent Neural Networks with Weighted Time-Delay Feedback
von: Erichson, N. Benjamin, et al.
Veröffentlicht: (2022)

Sharpen Your Flow: Sharpness-Aware Sampling for Flow Matching
von: Gupta, Aditi, et al.
Veröffentlicht: (2026)

FLEX: A Backbone for Diffusion-Based Modeling of Spatio-temporal Physical Systems
von: Erichson, N. Benjamin, et al.
Veröffentlicht: (2025)

Is Flow Matching Just Trajectory Replay for Sequential Data?
von: Lim, Soon Hoe, et al.
Veröffentlicht: (2026)

Elucidating the Design Choice of Probability Paths in Flow Matching for Forecasting
von: Lim, Soon Hoe, et al.
Veröffentlicht: (2024)

Block-Biased Mamba for Long-Range Sequence Processing
von: Yu, Annan, et al.
Veröffentlicht: (2025)

A Deep State Space Model for Rainfall-Runoff Simulations
von: Wang, Yihan, et al.
Veröffentlicht: (2025)

HydroDiffusion: Diffusion-Based Probabilistic Streamflow Forecasting with a State Space Backbone
von: Wang, Yihan, et al.
Veröffentlicht: (2025)

WaveCastNet: Rapid Wavefield Forecasting for Earthquake Early Warning via Deep Sequence to Sequence Learning
von: Lyu, Dongwei, et al.
Veröffentlicht: (2024)

On The Hidden Biases of Flow Matching Samplers
von: Lim, Soon Hoe
Veröffentlicht: (2025)

Recency Biased Causal Attention for Time-series Forecasting
von: Hegazy, Kareem, et al.
Veröffentlicht: (2025)

Generative Modeling of Regular and Irregular Time Series Data via Koopman VAEs
von: Naiman, Ilan, et al.
Veröffentlicht: (2023)

PRISM: Distribution-free Adaptive Computation of Matrix Functions for Accelerating Neural Network Training
von: Yang, Shenghao, et al.
Veröffentlicht: (2026)

Emoji Attack: Enhancing Jailbreak Attacks Against Judge LLM Detection
von: Wei, Zhipeng, et al.
Veröffentlicht: (2024)

EnfoPath: Energy-Informed Analysis of Generative Trajectories in Flow Matching
von: Li, Ziyun, et al.
Veröffentlicht: (2025)

Towards Scalable and Versatile Weight Space Learning
von: Schürholt, Konstantin, et al.
Veröffentlicht: (2024)

MatterChat: A Multi-Modal LLM for Material Science
von: Tang, Yingheng, et al.
Veröffentlicht: (2025)

Random Matrix Theory for Deep Learning: Beyond Eigenvalues of Linear Models
von: Liao, Zhenyu, et al.
Veröffentlicht: (2025)

Quantifying Epistemic Uncertainty in Diffusion Models
von: Gupta, Aditi, et al.
Veröffentlicht: (2026)

State-offset Tuning: State-based Parameter-Efficient Fine-Tuning for State Space Models
von: Kang, Wonjun, et al.
Veröffentlicht: (2025)

ZClassifier: Temperature Tuning and Manifold Approximation via KL Divergence on Logit Space
von: Yong, Shim Soon
Veröffentlicht: (2025)

Learning Physics for Unveiling Hidden Earthquake Ground Motions via Conditional Generative Modeling
von: Ren, Pu, et al.
Veröffentlicht: (2024)

Understanding the Implicit Biases of Design Choices for Time Series Foundation Models
von: Yu, Annan, et al.
Veröffentlicht: (2025)

Reducing the Safety Tax in LLM Safety Alignment with On-Policy Self-Distillation
von: Fu, Yu, et al.
Veröffentlicht: (2026)

Uncovering the Spectral Bias in Diagonal State Space Models
von: Solozabal, Ruben, et al.
Veröffentlicht: (2025)

Models of Heavy-Tailed Mechanistic Universality
von: Hodgkinson, Liam, et al.
Veröffentlicht: (2025)

Fundamental Bias in Inverting Random Sampling Matrices with Application to Sub-sampled Newton
von: Niu, Chengmei, et al.
Veröffentlicht: (2025)

HPC-Driven Modeling with ML-Based Surrogates for Magnon-Photon Dynamics in Hybrid Quantum Systems
von: Song, Jialin, et al.
Veröffentlicht: (2025)

The Implicit Bias of Structured State Space Models Can Be Poisoned With Clean Labels
von: Slutzky, Yonatan, et al.
Veröffentlicht: (2024)

Parameter-Efficient Fine-Tuning of State Space Models
von: Galim, Kevin, et al.
Veröffentlicht: (2024)

Stochastic Processes: From Classical to Quantum
von: Lim, Soon Hoe
Veröffentlicht: (2024)

A Three-regime Model of Network Pruning
von: Zhou, Yefan, et al.
Veröffentlicht: (2023)

Recent and Upcoming Developments in Randomized Numerical Linear Algebra for Machine Learning
von: Dereziński, Michał, et al.
Veröffentlicht: (2024)

Statistical Inference of Constrained Stochastic Optimization via Sketched Sequential Quadratic Programming
von: Na, Sen, et al.
Veröffentlicht: (2022)

Optimal-Transport-Guided Functional Flow Matching for Turbulent Field Generation in Hilbert Space
von: Kunpeng, Li, et al.
Veröffentlicht: (2026)

State-Space Models for Tabular Prior-Data Fitted Networks
von: Koch, Felix, et al.
Veröffentlicht: (2025)

A Kinetic Energy Perspective of Flow Matching
von: Li, Ziyun, et al.
Veröffentlicht: (2026)

Mind the Model, Not the Agent: The Primacy Bias in Model-based RL
von: Qiao, Zhongjian, et al.
Veröffentlicht: (2023)