Analysis of mean-field models arising from self-attention dynamics in transformer architectures with layer normalization
Fuente:
arXiv
Salvato in:
| Autori principali: | Burger, Martin, Kabri, Samira, Korolev, Yury, Roith, Tim, Weigand, Lukas |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2025
|
| Soggetti: | |
| Accesso online: | |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
Adversarial flows: A gradient flow characterization of adversarial attacks
di: Weigand, Lukas, et al.
Pubblicazione: (2024)
di: Weigand, Lukas, et al.
Pubblicazione: (2024)
Well-posedness of the transport of normal currents by time-dependent vector fields
di: Bonicatto, Paolo, et al.
Pubblicazione: (2025)
di: Bonicatto, Paolo, et al.
Pubblicazione: (2025)
Teaching and Learning under Deductive Errors
di: Telle, Jan Arne, et al.
Pubblicazione: (2026)
di: Telle, Jan Arne, et al.
Pubblicazione: (2026)
Quantitative Convergence of Wasserstein Gradient Flows of Kernel Mean Discrepancies
di: Chizat, Lénaïc, et al.
Pubblicazione: (2026)
di: Chizat, Lénaïc, et al.
Pubblicazione: (2026)
Monge-Kantorovich Fitting With Sobolev Budgets
di: Kobayashi, Forest, et al.
Pubblicazione: (2024)
di: Kobayashi, Forest, et al.
Pubblicazione: (2024)
Tighter Learning Guarantees on Digital Computers via Concentration of Measure on Finite Spaces
di: Kratsios, Anastasis, et al.
Pubblicazione: (2024)
di: Kratsios, Anastasis, et al.
Pubblicazione: (2024)
Linearized dynamic stability for vortices of Ginzburg-Landau evolutions
di: Palacios, José M., et al.
Pubblicazione: (2024)
di: Palacios, José M., et al.
Pubblicazione: (2024)
Quantifying Concentration Phenomena of Mean-Field Transformers in the Low-Temperature Regime
di: Alcalde, Albert, et al.
Pubblicazione: (2026)
di: Alcalde, Albert, et al.
Pubblicazione: (2026)
Two-Time-Scale Learning Dynamics: A Population View of Neural Network Training
di: Borghi, Giacomo, et al.
Pubblicazione: (2026)
di: Borghi, Giacomo, et al.
Pubblicazione: (2026)
A general Frobenius' Theorem via the Transport of Currents
di: Bonicatto, Paolo
Pubblicazione: (2025)
di: Bonicatto, Paolo
Pubblicazione: (2025)
A simple proof of the $1$-dimensional flat chain conjecture
di: Marchese, Andrea, et al.
Pubblicazione: (2024)
di: Marchese, Andrea, et al.
Pubblicazione: (2024)
Minimally singular functions and the rigidity problem for Steiner's perimeter inequality
di: Perugini, Matteo
Pubblicazione: (2024)
di: Perugini, Matteo
Pubblicazione: (2024)
Equivalence of Uniform Polyconvexity and Almgren Uniform Ellipticity for Lipschitz $Q$-Graph Test Pairs
di: Lesniak, Maciej
Pubblicazione: (2026)
di: Lesniak, Maciej
Pubblicazione: (2026)
No-Regret Generative Modeling via Parabolic Monge-Ampère PDE
di: Deb, Nabarun, et al.
Pubblicazione: (2025)
di: Deb, Nabarun, et al.
Pubblicazione: (2025)
Initialization-driven neural generation and training for high-dimensional optimal control and first-order mean field games
di: Assouli, Mouhcine, et al.
Pubblicazione: (2025)
di: Assouli, Mouhcine, et al.
Pubblicazione: (2025)
Euler's elastica functional as a large mass limit of a two-dimensional non-local isoperimetric problem
di: Muratov, Cyrill B., et al.
Pubblicazione: (2025)
di: Muratov, Cyrill B., et al.
Pubblicazione: (2025)
Density of the boundary regular set of 2d area minimizing currents with arbitrary codimension and multiplicity
di: Nardulli, Stefano, et al.
Pubblicazione: (2022)
di: Nardulli, Stefano, et al.
Pubblicazione: (2022)
Lipschitz approximation for general almost area minimizing currents
di: Resende, Reinaldo
Pubblicazione: (2023)
di: Resende, Reinaldo
Pubblicazione: (2023)
Designing a Linearized Potential Function in Neural Network Optimization Using Csiszár Type of Tsallis Entropy
di: Akiyama, Keito
Pubblicazione: (2024)
di: Akiyama, Keito
Pubblicazione: (2024)
Multiplicity results for mass constrained Allen-Cahn equations on Riemannian manifolds with boundary
di: Corona, Dario, et al.
Pubblicazione: (2024)
di: Corona, Dario, et al.
Pubblicazione: (2024)
On Polyconvexity and Almgren Uniform Ellipticity With Respect to Polyhedral Test Pairs
di: Lesniak, Maciej
Pubblicazione: (2025)
di: Lesniak, Maciej
Pubblicazione: (2025)
Local and global minimality of the lamella for the anisotropic Ohta-Kawasaki energy
di: Fiorini, Alberto
Pubblicazione: (2026)
di: Fiorini, Alberto
Pubblicazione: (2026)
A refined Lusin type theorem for gradients
di: De Masi, Luigi, et al.
Pubblicazione: (2024)
di: De Masi, Luigi, et al.
Pubblicazione: (2024)
On existence and uniqueness for transport equations with non-smooth velocity fields under inhomogeneous Dirichlet data
di: Eto, Tokuhiro, et al.
Pubblicazione: (2025)
di: Eto, Tokuhiro, et al.
Pubblicazione: (2025)
The ratio-cut polytope and K-means clustering
di: De Rosa, Antonio, et al.
Pubblicazione: (2020)
di: De Rosa, Antonio, et al.
Pubblicazione: (2020)
On the equivalence between static and dynamic optimal transport governed by linear control systems
di: Einav, Amit, et al.
Pubblicazione: (2025)
di: Einav, Amit, et al.
Pubblicazione: (2025)
Training-Induced Escape from Token Clustering in a Mean-Field Formulation of Transformers
di: Isobe, Noboru, et al.
Pubblicazione: (2026)
di: Isobe, Noboru, et al.
Pubblicazione: (2026)
Structure of two-dimensional mod$(q)$ area-minimizing currents near flat singularities: the codimension one case
di: Skorobogatova, Anna, et al.
Pubblicazione: (2025)
di: Skorobogatova, Anna, et al.
Pubblicazione: (2025)
Variational models of robust optimal transport
di: De Masi, Luigi, et al.
Pubblicazione: (2025)
di: De Masi, Luigi, et al.
Pubblicazione: (2025)
On the regularity of area minimizing currents at boundaries with arbitrary multiplicity
di: Fleschler, Ian, et al.
Pubblicazione: (2024)
di: Fleschler, Ian, et al.
Pubblicazione: (2024)
Interior regularity of area minimizing currents within a $C^{2,α}$-submanifold
di: Nardulli, Stefano, et al.
Pubblicazione: (2024)
di: Nardulli, Stefano, et al.
Pubblicazione: (2024)
Area minimizing hypersurfaces modulo $p$: a geometric free-boundary problem
di: De Lellis, Camillo, et al.
Pubblicazione: (2021)
di: De Lellis, Camillo, et al.
Pubblicazione: (2021)
Excess decay for minimizing hypercurrents mod $2Q$
di: De Lellis, Camillo, et al.
Pubblicazione: (2023)
di: De Lellis, Camillo, et al.
Pubblicazione: (2023)
Energy-minimizing torus-valued maps with prescribed singularities, Plateau's problem, and BV-lifting
di: Canevari, Giacomo, et al.
Pubblicazione: (2023)
di: Canevari, Giacomo, et al.
Pubblicazione: (2023)
Anti-Context-Free languages
di: Cardó, Carles
Pubblicazione: (2024)
di: Cardó, Carles
Pubblicazione: (2024)
Neural Network Approximation: A View from Polytope Decomposition
di: Li, ZeYu, et al.
Pubblicazione: (2026)
di: Li, ZeYu, et al.
Pubblicazione: (2026)
Convergence of drift-diffusion PDEs arising as Wasserstein gradient flows of convex functions
di: Chizat, Lénaïc, et al.
Pubblicazione: (2025)
di: Chizat, Lénaïc, et al.
Pubblicazione: (2025)
An efficient volume-preserving MBO scheme for data clustering and classification
di: Krämer, Fabius, et al.
Pubblicazione: (2024)
di: Krämer, Fabius, et al.
Pubblicazione: (2024)
Sharp upper bound for a branched transport problem coming from Ginzburg-Landau models
di: Cosenza, Alessandro, et al.
Pubblicazione: (2026)
di: Cosenza, Alessandro, et al.
Pubblicazione: (2026)
Ahlfors-regularity for minimizers of a multiphase optimal design problem
di: Esposito, Luca, et al.
Pubblicazione: (2025)
di: Esposito, Luca, et al.
Pubblicazione: (2025)
Documenti analoghi
-
Adversarial flows: A gradient flow characterization of adversarial attacks
di: Weigand, Lukas, et al.
Pubblicazione: (2024) -
Well-posedness of the transport of normal currents by time-dependent vector fields
di: Bonicatto, Paolo, et al.
Pubblicazione: (2025) -
Teaching and Learning under Deductive Errors
di: Telle, Jan Arne, et al.
Pubblicazione: (2026) -
Quantitative Convergence of Wasserstein Gradient Flows of Kernel Mean Discrepancies
di: Chizat, Lénaïc, et al.
Pubblicazione: (2026) -
Monge-Kantorovich Fitting With Sobolev Budgets
di: Kobayashi, Forest, et al.
Pubblicazione: (2024)