Buchumschlag

A Granger-Causal Perspective on Gradient Descent with Application to Pruning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Shah, Aditya, Challa, Aditya, Danda, Sravan, Mathur, Archana, Saha, Snehanshu
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

Quantile Activation: Correcting a Failure Mode of ML Models
von: Challa, Aditya, et al.
Veröffentlicht: (2024)

Matching High-Dimensional Geometric Quantiles for Test-Time Adaptation of Transformers and Convolutional Networks Alike
von: Danda, Sravan, et al.
Veröffentlicht: (2026)

A Radon-Nikodým Perspective on Anomaly Detection: Theory and Implications
von: Mehendale, Shlok, et al.
Veröffentlicht: (2025)

A Novel Approach to Regularising 1NN classifier for Improved Generalization
von: Challa, Aditya, et al.
Veröffentlicht: (2024)

QuantProb: Generalizing Probabilities along with Predictions for a Pre-trained Classifier
von: Challa, Aditya, et al.
Veröffentlicht: (2023)

Multi-Agent Training-free Urban Food Delivery System using Resilient UMST Network
von: Hasan, Md Nahid, et al.
Veröffentlicht: (2026)

DeliverAI: Reinforcement Learning Based Distributed Path-Sharing Network for Food Deliveries
von: Mehra, Ashman, et al.
Veröffentlicht: (2023)

Strong convexity-guided hyper-parameter optimization for flatter losses
von: Yedida, Rahul, et al.
Veröffentlicht: (2024)

Triplet-Watershed for Hyperspectral Image Classification
von: Challa, Aditya, et al.
Veröffentlicht: (2021)

BINGO: A Novel Pruning Mechanism to Reduce the Size of Neural Networks
von: Panangat, Aditya
Veröffentlicht: (2025)

Transformers with Sparse Attention for Granger Causality
von: Mahesh, Riya, et al.
Veröffentlicht: (2024)

Granger Causality using Neural Networks
von: Sultan, Malik Shahid, et al.
Veröffentlicht: (2022)

$k$-SVD with Gradient Descent
von: Jedra, Yassir, et al.
Veröffentlicht: (2025)

AdaSwarm: Augmenting Gradient-Based optimizers in Deep Learning with Swarm Intelligence
von: Mohapatra, Rohan, et al.
Veröffentlicht: (2020)

Rank-Aware Quantile Activation for Motion-Robust Crop Segmentation in UAV Imagery
von: Kiran, Abinav, et al.
Veröffentlicht: (2026)

A Bootstrap Perspective on Stochastic Gradient Descent
von: Lan, Hongjian, et al.
Veröffentlicht: (2025)

Communication-Efficient, 2D Parallel Stochastic Gradient Descent for Distributed-Memory Optimization
von: Devarakonda, Aditya, et al.
Veröffentlicht: (2025)

AWP: Activation-Aware Weight Pruning and Quantization with Projected Gradient Descent
von: Liu, Jing, et al.
Veröffentlicht: (2025)

Jacobian Regularizer-based Neural Granger Causality
von: Zhou, Wanqi, et al.
Veröffentlicht: (2024)

QLENS: Towards A Quantum Perspective of Language Transformers
von: Gupta, Aditya, et al.
Veröffentlicht: (2025)

Towards Uncertainty-Aware Federated Granger Causal Learning
von: Mohanty, Ayush, et al.
Veröffentlicht: (2026)

Granger Causality in Extremes
von: Bodik, Juraj, et al.
Veröffentlicht: (2024)

Quantile LSTM: A Robust LSTM for Anomaly Detection In Time Series Data
von: Saha, Snehanshu, et al.
Veröffentlicht: (2023)

Granger Causality Detection with Kolmogorov-Arnold Networks
von: Lin, Hongyu, et al.
Veröffentlicht: (2024)

How Transformers Learn Causal Structure with Gradient Descent
von: Nichani, Eshaan, et al.
Veröffentlicht: (2024)

Bayesian Vector AutoRegression with Factorised Granger-Causal Graphs
von: Zhao, He, et al.
Veröffentlicht: (2024)

Constraint- and Score-Based Nonlinear Granger Causality Discovery with Kernels
von: Murphy, Fiona, et al.
Veröffentlicht: (2026)

Re-examining Granger Causality with Causal Bayesian Networks and Reichenbachs Principles
von: Adedayo, S. A.
Veröffentlicht: (2025)

The Promise of Analog Deep Learning: Recent Advances, Challenges and Opportunities
von: Datar, Aditya, et al.
Veröffentlicht: (2024)

Full-Gradient Successor Feature Representations
von: Shrirao, Ritish, et al.
Veröffentlicht: (2026)

Federated Granger Causality Learning for Interdependent Clients with State Space Representation
von: Mohanty, Ayush, et al.
Veröffentlicht: (2025)

Granger Causal Inference in Multivariate Hawkes Processes by Minimum Message Length
von: Hlavackova-Schindler, Katerina, et al.
Veröffentlicht: (2023)

Langevin Unlearning: A New Perspective of Noisy Gradient Descent for Machine Unlearning
von: Chien, Eli, et al.
Veröffentlicht: (2024)

An Efficient Sparse Fine-Tuning with Low Quantization Error via Neural Network Pruning
von: Li, Cen-Jhih, et al.
Veröffentlicht: (2025)

From News to Returns: A Granger-Causal Hypergraph Transformer on the Sphere
von: Harit, Anoushka, et al.
Veröffentlicht: (2025)

Towards Reliable, Uncertainty-Aware Alignment
von: Banerjee, Debangshu, et al.
Veröffentlicht: (2025)

Kolmogorov-Arnold Networks for Time Series Granger Causality Inference
von: Liu, Meiliang, et al.
Veröffentlicht: (2025)

GCAD: Anomaly Detection in Multivariate Time Series from the Perspective of Granger Causality
von: Liu, Zehao, et al.
Veröffentlicht: (2025)

GLACIAL: Granger and Learning-based Causality Analysis for Longitudinal Imaging Studies
von: Nguyen, Minh, et al.
Veröffentlicht: (2022)

Learning Granger Causality from Instance-wise Self-attentive Hawkes Processes
von: Wu, Dongxia, et al.
Veröffentlicht: (2024)