Buchumschlag

Utilizing Lyapunov Exponents in designing deep neural networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Mittra, Tirthankar
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Exploring Natural Language-Based Strategies for Efficient Number Learning in Children through Reinforcement Learning
von: Mittra, Tirthankar
Veröffentlicht: (2024)

Enhancing Robustness in Deep Reinforcement Learning: A Lyapunov Exponent Approach
von: Young, Rory, et al.
Veröffentlicht: (2024)

Do deep neural networks utilize the weight space efficiently?
von: Koyun, Onur Can, et al.
Veröffentlicht: (2024)

Topological derivative approach for deep neural network architecture adaptation
von: Krishnanunni, C G, et al.
Veröffentlicht: (2025)

Stacking-based deep neural network for player scouting in football 1
von: Lacan, Simon
Veröffentlicht: (2024)

Explaining deep neural network models for electricity price forecasting with XAI
von: Pesenti, Antoine, et al.
Veröffentlicht: (2025)

Making deep neural networks right for the right scientific reasons by interacting with their explanations
von: Schramowski, Patrick, et al.
Veröffentlicht: (2020)

From paintbrush to pixel: A review of deep neural networks in AI-generated art
von: Maerten, Anne-Sofie, et al.
Veröffentlicht: (2023)

Self-adaptive weights based on balanced residual decay rate for physics-informed neural networks and deep operator networks
von: Chen, Wenqian, et al.
Veröffentlicht: (2024)

RDI: An adversarial robustness evaluation metric for deep neural networks based on model statistical features
von: Song, Jialei, et al.
Veröffentlicht: (2025)

An algorithmic framework for the optimization of deep neural networks architectures and hyperparameters
von: Keisler, Julie, et al.
Veröffentlicht: (2023)

A multiobjective continuation method to compute the regularization path of deep neural networks
von: Amakor, Augustina C., et al.
Veröffentlicht: (2023)

PINNet: a deep neural network with pathway prior knowledge for Alzheimer's disease
von: Kim, Yeojin, et al.
Veröffentlicht: (2022)

Can neural networks do arithmetic? A survey on the elementary numerical skills of state-of-the-art deep learning models
von: Testolin, Alberto
Veröffentlicht: (2023)

Conformal mapping based Physics-informed neural networks for designing neutral inclusions
von: Cho, Daehee, et al.
Veröffentlicht: (2025)

On permutation-invariant neural networks
von: Kimura, Masanari, et al.
Veröffentlicht: (2024)

Sobolev acceleration for neural networks
von: Oh, Jong Kwon, et al.
Veröffentlicht: (2025)

Attention mechanisms in neural networks
von: Hays, Hasi
Veröffentlicht: (2026)

Efficient and provably convergent end-to-end training of deep neural networks with linear constraints
von: Yang, Zonglin, et al.
Veröffentlicht: (2026)

Principles of Lipschitz continuity in neural networks
von: Luo, Róisín
Veröffentlicht: (2026)

Linearity-based neural network compression
von: Dobler, Silas, et al.
Veröffentlicht: (2025)

From Frege to chatGPT: Compositionality in language, cognition, and deep neural networks
von: Russin, Jacob, et al.
Veröffentlicht: (2024)

Applying graph neural network to SupplyGraph for supply chain network
von: Han, Kihwan
Veröffentlicht: (2024)

Learning Fourier shapes to probe the geometric world of deep neural networks
von: Wang, Jian, et al.
Veröffentlicht: (2025)

Understanding the dynamics of the frequency bias in neural networks
von: Molina, Juan, et al.
Veröffentlicht: (2024)

Graph neural networks informed locally by thermodynamics
von: Tierz, Alicia, et al.
Veröffentlicht: (2024)

Graph neural networks and non-commuting operators
von: Velasco, Mauricio, et al.
Veröffentlicht: (2024)

LayerCollapse: Adaptive compression of neural networks
von: Shabgahi, Soheil Zibakhsh, et al.
Veröffentlicht: (2023)

On convex decision regions in deep network representations
von: Tětková, Lenka, et al.
Veröffentlicht: (2023)

QuFeX: Quantum feature extraction module for hybrid quantum-classical deep neural networks
von: Jain, Naman, et al.
Veröffentlicht: (2025)

Exploring the design space of deep-learning-based weather forecasting systems
von: Siddiqui, Shoaib Ahmed, et al.
Veröffentlicht: (2024)

EXAQ: Exponent Aware Quantization For LLMs Acceleration
von: Shkolnik, Moran, et al.
Veröffentlicht: (2024)

Randomness and signal propagation in physics-informed neural networks (PINNs): A neural PDE perspective
von: Tucny, Jean-Michel, et al.
Veröffentlicht: (2025)

Planning in a recurrent neural network that plays Sokoban
von: Taufeeque, Mohammad, et al.
Veröffentlicht: (2024)

Understanding polysemanticity in neural networks through coding theory
von: Marshall, Simon C., et al.
Veröffentlicht: (2024)

Variational autoencoder-based neural network model compression
von: Cheng, Liang, et al.
Veröffentlicht: (2024)

Conditional computation in neural networks: principles and research trends
von: Scardapane, Simone, et al.
Veröffentlicht: (2024)

Grey-informed neural network for time-series forecasting
von: Xie, Wanli, et al.
Veröffentlicht: (2024)

Elimination-compensation pruning for fully-connected neural networks
von: Ballini, Enrico, et al.
Veröffentlicht: (2026)

Concealed Adversarial attacks on neural networks for sequential data
von: Sokerin, Petr, et al.
Veröffentlicht: (2025)