Buchumschlag

Kernel Stochastic Configuration Networks for Nonlinear Regression

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chen, Yongxuan, Wang, Dianhui
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

Recurrent Stochastic Configuration Networks with Hybrid Regularization for Nonlinear Dynamics Modelling
von: Dang, Gang, et al.
Veröffentlicht: (2024)

Fuzzy Recurrent Stochastic Configuration Networks for Industrial Data Analytics
von: Wang, Dianhui, et al.
Veröffentlicht: (2024)

Deep Recurrent Stochastic Configuration Networks for Modelling Nonlinear Dynamic Systems
von: Dang, Gang, et al.
Veröffentlicht: (2024)

Deeper Insights into Learning Performance of Stochastic Configuration Networks
von: Yan, Xiufeng, et al.
Veröffentlicht: (2024)

Recurrent Stochastic Configuration Networks for Temporal Data Analytics
von: Wang, Dianhui, et al.
Veröffentlicht: (2024)

Recurrent Stochastic Configuration Networks with Incremental Blocks
von: Dang, Gang, et al.
Veröffentlicht: (2024)

Self-Organizing Recurrent Stochastic Configuration Networks for Nonstationary Data Modelling
von: Dang, Gang, et al.
Veröffentlicht: (2024)

Transformer Neural Processes - Kernel Regression
von: Jenson, Daniel, et al.
Veröffentlicht: (2024)

Generalization in Kernel Regression Under Realistic Assumptions
von: Barzilai, Daniel, et al.
Veröffentlicht: (2023)

Scaling Law Phenomena Across Regression Paradigms: Multiple and Kernel Approaches
von: Chen, Yifang, et al.
Veröffentlicht: (2025)

Federated Incomplete Multi-view Clustering with Globally Fused Graph Guidance
von: Chao, Guoqing, et al.
Veröffentlicht: (2025)

PolySHAP: Extending KernelSHAP with Interaction-Informed Polynomial Regression
von: Fumagalli, Fabian, et al.
Veröffentlicht: (2026)

Adaptive Shrinkage Estimation For Personalized Deep Kernel Regression In Modeling Brain Trajectories
von: Tassopoulou, Vasiliki, et al.
Veröffentlicht: (2025)

A Unified Kernel for Neural Network Learning
von: Zhang, Shao-Qun, et al.
Veröffentlicht: (2024)

Signature Kernel Conditional Independence Tests in Causal Discovery for Stochastic Processes
von: Manten, Georg, et al.
Veröffentlicht: (2024)

Scalable Neural Network Kernels
von: Sehanobish, Arijit, et al.
Veröffentlicht: (2023)

Kernel Regression in Structured Non-IID Settings: Theory and Implications for Denoising Score Learning
von: Zhang, Dechen, et al.
Veröffentlicht: (2025)

Understanding Emergent In-Context Learning from a Kernel Regression Perspective
von: Han, Chi, et al.
Veröffentlicht: (2023)

Differential Privacy Mechanisms in Neural Tangent Kernel Regression
von: Gu, Jiuxiang, et al.
Veröffentlicht: (2024)

Beyond Additivity: Sparse Isotonic Shapley Regression toward Nonlinear Explainability
von: She, Jialai
Veröffentlicht: (2025)

MobileKernelBench: Can LLMs Write Efficient Kernels for Mobile Devices?
von: Zou, Xingze, et al.
Veröffentlicht: (2026)

Interpretable Recognition of Fused Magnesium Furnace Working Conditions with Deep Convolutional Stochastic Configuration Networks
von: Weitao, Li, et al.
Veröffentlicht: (2025)

Operator Feature Neural Network for Symbolic Regression
von: Deng, Yusong, et al.
Veröffentlicht: (2024)

Assessing Simplification Levels in Neural Networks: The Impact of Hyperparameter Configurations on Complexity and Sensitivity
von: Guan, Huixin
Veröffentlicht: (2024)

Approximated Orthogonal Projection Unit: Stabilizing Regression Network Training Using Natural Gradient
von: Wang, Shaoqi, et al.
Veröffentlicht: (2024)

On the Rate of Convergence of Kolmogorov-Arnold Network Regression Estimators
von: Liu, Wei, et al.
Veröffentlicht: (2025)

Hyperbolic Kernel Graph Neural Networks for Neurocognitive Decline Analysis from Multimodal Brain Imaging
von: Yang, Meimei, et al.
Veröffentlicht: (2025)

An Efficient Sparse Kernel Generator for O(3)-Equivariant Deep Networks
von: Bharadwaj, Vivek, et al.
Veröffentlicht: (2025)

TRAVELFRAUDBENCH: A Configurable Evaluation Framework for GNN Fraud Ring Detection in Travel Networks
von: Sajja, Bhavana
Veröffentlicht: (2026)

Stochastic Weight Sharing for Bayesian Neural Networks
von: Lin, Moule, et al.
Veröffentlicht: (2025)

Adaptive Machine Learning-Driven Multi-Fidelity Stratified Sampling for Failure Analysis of Nonlinear Stochastic Systems
von: Xu, Liuyun, et al.
Veröffentlicht: (2025)

Exploring Consistency in Graph Representations:from Graph Kernels to Graph Neural Networks
von: Liu, Xuyuan, et al.
Veröffentlicht: (2024)

In-Context Symbolic Regression for Robustness-Improved Kolmogorov-Arnold Networks
von: Sovrano, Francesco, et al.
Veröffentlicht: (2026)

Sparse Interpretable Deep Learning with LIES Networks for Symbolic Regression
von: Montazerin, Mansooreh, et al.
Veröffentlicht: (2025)

Correlating Time Series with Interpretable Convolutional Kernels
von: Chen, Xinyu, et al.
Veröffentlicht: (2024)

Granular-Ball-Induced Multiple Kernel K-Means
von: Xia, Shuyin, et al.
Veröffentlicht: (2025)

RMLR: Extending Multinomial Logistic Regression into General Geometries
von: Chen, Ziheng, et al.
Veröffentlicht: (2024)

Divergence of Empirical Neural Tangent Kernel in Classification Problems
von: Yu, Zixiong, et al.
Veröffentlicht: (2025)

Uncertainty Regularized Evidential Regression
von: Ye, Kai, et al.
Veröffentlicht: (2024)

Dual-Kernel Graph Community Contrastive Learning
von: Chen, Xiang, et al.
Veröffentlicht: (2025)