Buchumschlag

Function Gradient Approximation with Random Shallow ReLU Networks with Control Applications

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lamperski, Andrew, Salapaka, Siddharth
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Systems and Control Optimization and Control Statistics Theory
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Approximation with Random Shallow ReLU Networks with Applications to Model Reference Adaptive Control
von: Lamperski, Andrew, et al.
Veröffentlicht: (2024)

ReLU Networks for Model Predictive Control: Network Complexity and Performance Guarantees
von: Li, Xingchen, et al.
Veröffentlicht: (2026)

Nonlinear Dynamics In Optimization Landscape of Shallow Neural Networks with Tunable Leaky ReLU
von: Liu, Jingzhou
Veröffentlicht: (2025)

Stability and Performance Analysis of Discrete-Time ReLU Recurrent Neural Networks
von: Noori, Sahel Vahedi, et al.
Veröffentlicht: (2024)

Neural Collapse under Gradient Flow on Shallow ReLU Networks for Orthogonally Separable Data
von: Min, Hancheng, et al.
Veröffentlicht: (2025)

A Complete Set of Quadratic Constraints for Repeated ReLU and Generalizations
von: Noori, Sahel Vahedi, et al.
Veröffentlicht: (2024)

Geometry-induced Regularization in Deep ReLU Neural Networks
von: Bona-Pellissier, Joachim, et al.
Veröffentlicht: (2024)

Global Convergence of Policy Gradient Methods for ReLU Controllers in Linear Quadratic Regulation
von: Rodriguez-Gil, Jhojan A., et al.
Veröffentlicht: (2026)

A Neural Network Algorithm for KL Divergence Estimation with Quantitative Error Bounds
von: Foss, Mikil, et al.
Veröffentlicht: (2025)

Convex Relaxations of ReLU Neural Networks Approximate Global Optima in Polynomial Time
von: Kim, Sungyoon, et al.
Veröffentlicht: (2024)

Hidden Minima in Two-Layer ReLU Networks
von: Arjevani, Yossi
Veröffentlicht: (2023)

Markov Kernels, Distances and Optimal Control: A Parable of Linear Quadratic Non-Gaussian Distribution Steering
von: Teter, Alexis M. H., et al.
Veröffentlicht: (2025)

Joint Learning of Linear Dynamical Systems under Smoothness Constraints
von: Tyagi, Hemant
Veröffentlicht: (2024)

Kernel Mean Embedding Topology: Weak and Strong Forms for Stochastic Kernels and Implications for Model Learning
von: Saldi, Naci, et al.
Veröffentlicht: (2025)

Learning linear dynamical systems under convex constraints
von: Tyagi, Hemant, et al.
Veröffentlicht: (2023)

Gradient Equilibrium in Online Learning: Theory and Applications
von: Angelopoulos, Anastasios N., et al.
Veröffentlicht: (2025)

Quantitative Convergence Analysis of Projected Stochastic Gradient Descent for Non-Convex Losses via the Goldstein Subdifferential
von: Zheng, Yuping, et al.
Veröffentlicht: (2025)

Convex Formulations for Training Two-Layer ReLU Neural Networks
von: Prakhya, Karthik, et al.
Veröffentlicht: (2024)

Computational Tradeoffs of Optimization-Based Bound Tightening in ReLU Networks
von: Badilla, Fabian, et al.
Veröffentlicht: (2023)

Provable Accelerated Convergence of Nesterov's Momentum for Deep ReLU Neural Networks
von: Liao, Fangshuo, et al.
Veröffentlicht: (2023)

ReLU Surrogates in Mixed-Integer MPC for Irrigation Scheduling
von: Agyeman, Bernard T., et al.
Veröffentlicht: (2024)

How Does the ReLU Activation Affect the Implicit Bias of Gradient Descent on High-dimensional Neural Network Regression?
von: Lai, Kuo-Wei, et al.
Veröffentlicht: (2026)

Non-Asymptotic Analysis of Classical Spectrum Estimators for $L$-mixing Time-series Data with Unknown Means
von: Zheng, Yuping, et al.
Veröffentlicht: (2025)

Why Smooth Stability Assumptions Fail for ReLU Learning
von: Katende, Ronald
Veröffentlicht: (2025)

An analysis of optimization problems involving ReLU neural networks
von: Plate, Christoph, et al.
Veröffentlicht: (2025)

Random Features Approximation for Control-Affine Systems
von: Kazemian, Kimia, et al.
Veröffentlicht: (2024)

Information Theoretically Optimal Sample Complexity of Learning Dynamical Directed Acyclic Graphs
von: Veedu, Mishfad Shaikh, et al.
Veröffentlicht: (2023)

$O(1/k)$ Finite-Time Bound for Non-Linear Two-Time-Scale Stochastic Approximation
von: Chandak, Siddharth
Veröffentlicht: (2025)

An Efficient Alternating Algorithm for ReLU-based Symmetric Matrix Decomposition
von: Wang, Qingsong
Veröffentlicht: (2025)

Adversarial Training of Two-Layer Polynomial and ReLU Activation Networks via Convex Optimization
von: Kuelbs, Daniel, et al.
Veröffentlicht: (2024)

Homotopy Relaxation Training Algorithms for Infinite-Width Two-Layer ReLU Neural Networks
von: Yang, Yahong, et al.
Veröffentlicht: (2023)

Normalization of ReLU Dual for Cut Generation in Stochastic Mixed-Integer Programs
von: Bansal, Akul, et al.
Veröffentlicht: (2026)

The Collusion of Memory and Nonlinearity in Stochastic Approximation With Constant Stepsize
von: Huo, Dongyan, et al.
Veröffentlicht: (2024)

MIQCQP reformulation of the ReLU neural networks Lipschitz constant estimation problem
von: Sbihi, Mohammed, et al.
Veröffentlicht: (2024)

Implicit Regularization for Tubal Tensor Factorizations via Gradient Descent
von: Karnik, Santhosh, et al.
Veröffentlicht: (2024)

Probabilistic Guarantees of Stochastic Recursive Gradient in Non-Convex Finite Sum Problems
von: Zhong, Yanjie, et al.
Veröffentlicht: (2024)

Stopping Rules for Stochastic Gradient Descent via Anytime-Valid Confidence Sequences
von: Aolaritei, Liviu, et al.
Veröffentlicht: (2025)

Decentralized Sparse Linear Regression via Gradient-Tracking: Linear Convergence and Statistical Guarantees
von: Maros, Marie, et al.
Veröffentlicht: (2022)

High-probability Convergence Bounds for Nonlinear Stochastic Gradient Descent Under Heavy-tailed Noise
von: Armacki, Aleksandar, et al.
Veröffentlicht: (2023)

Path-conditioned training: a principled way to rescale ReLU neural networks
von: Lebeurrier, Arthur, et al.
Veröffentlicht: (2026)