Buchumschlag

HardNet: Hard-Constrained Neural Networks with Universal Approximation Guarantees

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Min, Youngjae, Azizan, Navid
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

HardNet++: Nonlinear Constraint Enforcement in Neural Networks
von: Goertzen, Andrea, et al.
Veröffentlicht: (2026)

DAE-HardNet: A Physics Constrained Neural Network Enforcing Differential-Algebraic Hard Constraints
von: Golder, Rahul, et al.
Veröffentlicht: (2025)

SketchOGD: Memory-Efficient Continual Learning
von: Min, Youngjae, et al.
Veröffentlicht: (2023)

HardFlow: Hard-Constrained Sampling for Flow-Matching Models via Trajectory Optimization
von: Li, Zeyang, et al.
Veröffentlicht: (2025)

SnareNet: Flexible Repair Layers for Neural Networks with Hard Constraints
von: Chu, Ya-Chi, et al.
Veröffentlicht: (2026)

On the Role of Transformer Feed-Forward Layers in Nonlinear In-Context Learning
von: Sun, Haoyuan, et al.
Veröffentlicht: (2025)

LMI-Net: Linear Matrix Inequality--Constrained Neural Networks via Differentiable Projection Layers
von: Tang, Sunbochen, et al.
Veröffentlicht: (2026)

Random Is Hard to Beat: Active Selection in online DPO with Modern LLMs
von: Oh, Giyeong, et al.
Veröffentlicht: (2026)

ORFit: One-Pass Learning via Bridging Orthogonal Gradient Descent and Recursive Least-Squares
von: Min, Youngjae, et al.
Veröffentlicht: (2022)

Hard-Constrained Neural Networks with Physics-Embedded Architecture for Residual Dynamics Learning and Invariant Enforcement in Cyber-Physical Systems
von: Spotorno, Enzo Nicolás, et al.
Veröffentlicht: (2025)

Constrained Diffusion for Protein Design with Hard Structural Constraints
von: Christopher, Jacob K., et al.
Veröffentlicht: (2025)

Tractable Uncertainty-Aware Meta-Learning
von: Park, Young-Jin, et al.
Veröffentlicht: (2022)

Quantifying Representation Reliability in Self-Supervised Learning Models
von: Park, Young-Jin, et al.
Veröffentlicht: (2023)

ECO: Energy-Constrained Operator Learning for Chaotic Dynamics with Boundedness Guarantees
von: Goertzen, Andrea, et al.
Veröffentlicht: (2025)

Advancing Constrained Monotonic Neural Networks: Achieving Universal Approximation Beyond Bounded Activations
von: Sartor, Davide, et al.
Veröffentlicht: (2025)

How Hard Can It Be? Hardness-Aware Multi-Objective Unlearning
von: Chen, Jiangwei, et al.
Veröffentlicht: (2026)

HardSATGEN: Understanding the Difficulty of Hard SAT Formula Generation and A Strong Structure-Hardness-Aware Baseline
von: Li, Yang, et al.
Veröffentlicht: (2023)

Optimizing Attention with Mirror Descent: Generalized Max-Margin Token Selection
von: Julistiono, Addison Kristanto, et al.
Veröffentlicht: (2024)

Reinforced Generation of Combinatorial Structures: Hardness of Approximation
von: Nagda, Ansh, et al.
Veröffentlicht: (2025)

HardCore Generation: Generating Hard UNSAT Problems for Data Augmentation
von: Cotnareanu, Joseph, et al.
Veröffentlicht: (2024)

On Size and Hardness Generalization in Unsupervised Learning for the Travelling Salesman Problem
von: Min, Yimeng, et al.
Veröffentlicht: (2024)

Looking Ahead to Avoid Being Late: Solving Hard-Constrained Traveling Salesman Problem
von: Chen, Jingxiao, et al.
Veröffentlicht: (2024)

Constrained Posterior Sampling: Time Series Generation with Hard Constraints
von: Narasimhan, Sai Shankar, et al.
Veröffentlicht: (2024)

HoP: Homeomorphic Polar Learning for Hard Constrained Optimization
von: Deng, Ke, et al.
Veröffentlicht: (2025)

More Consistent Accuracy PINN via Alternating Easy-Hard Training
von: Gao, Zhaoqian, et al.
Veröffentlicht: (2025)

Know What You Don't Know: Uncertainty Calibration of Process Reward Models
von: Park, Young-Jin, et al.
Veröffentlicht: (2025)

Empirical Stability Analysis of Kolmogorov-Arnold Networks in Hard-Constrained Recurrent Physics-Informed Discovery
von: Spotorno, Enzo Nicolas, et al.
Veröffentlicht: (2026)

Efficient Multi-Adapter LLM Serving via Cross-Model KV-Cache Reuse with Activated LoRA
von: Li, Allison, et al.
Veröffentlicht: (2025)

A Theoretical Analysis of Soft-Label vs Hard-Label Training in Neural Networks
von: Mandal, Saptarshi, et al.
Veröffentlicht: (2024)

Dynamic Universal Approximation Theory: Foundations for Parallelism in Neural Networks
von: Wang, Wei, et al.
Veröffentlicht: (2024)

On the Hardness of Computing Counterfactual and Semifactual Explanations in XAI
von: Artelt, André, et al.
Veröffentlicht: (2026)

$λ$-GELU: Learning Gating Hardness for Controlled ReLU-ization in Deep Networks
von: Pérez-Corral, Cristian, et al.
Veröffentlicht: (2026)

GraphIP-Bench: How Hard Is It to Steal a Graph Neural Network, and Can We Stop It?
von: Zhao, Kaixiang, et al.
Veröffentlicht: (2026)

Enhancing Adversarial Robustness of Deep Neural Networks Through Supervised Contrastive Learning
von: Wang, Longwei, et al.
Veröffentlicht: (2024)

Soft Tokens, Hard Truths
von: Butt, Natasha, et al.
Veröffentlicht: (2025)

Language Models Do Hard Arithmetic Tasks Easily and Hardly Do Easy Arithmetic Tasks
von: Gambardella, Andrew, et al.
Veröffentlicht: (2024)

Learning (Approximately) Equivariant Networks via Constrained Optimization
von: Manolache, Andrei, et al.
Veröffentlicht: (2025)

SB-TRPO: Towards Safe Reinforcement Learning with Hard Constraints
von: Wagner, Dominik, et al.
Veröffentlicht: (2025)

Gradient Flow Convergence Guarantee for General Neural Network Architectures
von: Jakhmola, Yash
Veröffentlicht: (2025)

Soft-to-Hard Routing in Sparse Mixture-of-Experts Models
von: Rastegar, Reza
Veröffentlicht: (2026)