Buchumschlag

Scalable Multi-phase Word Embedding Using Conjunctive Propositional Clauses

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kadhim, Ahmed K., Jiao, Lei, Shafik, Rishad, Granmo, Ole-Christoffer, Bhattarai, Bimal
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Adversarial Attacks on AI-Generated Text Detection Models: A Token Probability-Based Approach Using Embeddings
von: Kadhim, Ahmed K., et al.
Veröffentlicht: (2025)

FastOmniTMAE: Parallel Clause Learning for Scalable and Hardware-Efficient Tsetlin Embeddings
von: Kadhim, Ahmed K., et al.
Veröffentlicht: (2026)

Omni TM-AE: A Scalable and Interpretable Embedding Model Using the Full Tsetlin Machine State Space
von: Kadhim, Ahmed K., et al.
Veröffentlicht: (2025)

Exploring State Space and Reasoning by Elimination in Tsetlin Machines
von: Kadhim, Ahmed K., et al.
Veröffentlicht: (2024)

Scalable Bayesian Network Structure Learning Using Tsetlin Machine to Constrain the Search Space
von: Dumbre, Kunal, et al.
Veröffentlicht: (2025)

A Methodology for Transparent Logic-Based Classification Using a Multi-Task Convolutional Tsetlin Machine
von: Shende, Mayur Kishor, et al.
Veröffentlicht: (2025)

Pruning Literals for Highly Efficient Explainability at Word Level
von: Yadav, Rohan Kumar, et al.
Veröffentlicht: (2024)

An All-digital 8.6-nJ/Frame 65-nm Tsetlin Machine Image Classification Accelerator
von: Tunheim, Svein Anders, et al.
Veröffentlicht: (2025)

Exploring Effects of Hyperdimensional Vectors for Tsetlin Machines
von: Halenka, Vojtech, et al.
Veröffentlicht: (2024)

Uncertainty Quantification in the Tsetlin Machine
von: Helin, Runar, et al.
Veröffentlicht: (2025)

An Optimized Toolbox for Advanced Image Processing with Tsetlin Machine Composites
von: Grønningsæter, Ylva, et al.
Veröffentlicht: (2024)

Retrieval-Augmented Detection of Potentially Abusive Clauses in Chilean Terms of Service
von: Loeffler, Christoffer, et al.
Veröffentlicht: (2026)

Multi-Relational Hyperbolic Word Embeddings from Natural Language Definitions
von: Valentino, Marco, et al.
Veröffentlicht: (2023)

On-Device Interpretable Tsetlin Machine-Based Intrusion Detection for Secure IoMT
von: Jaiswal, Rahul, et al.
Veröffentlicht: (2026)

A Tsetlin Machine-driven Intrusion Detection System for Next-Generation IoMT Security
von: Jaiswal, Rahul, et al.
Veröffentlicht: (2026)

A Comparative Study of Feature Selection in Tsetlin Machines
von: Halenka, Vojtech, et al.
Veröffentlicht: (2025)

Empirical Study of Named Entity Recognition Performance Using Distribution-aware Word Embedding
von: Chen, Xin, et al.
Veröffentlicht: (2021)

Mitigating Gender Bias in Contextual Word Embeddings
von: Yarrabelly, Navya, et al.
Veröffentlicht: (2024)

Group-Sparse Matrix Factorization for Transfer Learning of Word Embeddings
von: Xu, Kan, et al.
Veröffentlicht: (2021)

Word Embeddings Are Steers for Language Models
von: Han, Chi, et al.
Veröffentlicht: (2023)

Learning Word Embedding with Better Distance Weighting and Window Size Scheduling
von: Yang, Chaohao, et al.
Veröffentlicht: (2024)

Monitoring Latent World States in Language Models with Propositional Probes
von: Feng, Jiahai, et al.
Veröffentlicht: (2024)

Static Word Embeddings for Sentence Semantic Representation
von: Wada, Takashi, et al.
Veröffentlicht: (2025)

Event-Driven Digital-Time-Domain Inference Architectures for Tsetlin Machines
von: Lan, Tian, et al.
Veröffentlicht: (2025)

ETHEREAL: Energy-efficient and High-throughput Inference using Compressed Tsetlin Machine
von: Duan, Shengyu, et al.
Veröffentlicht: (2025)

CTG-KrEW: Generating Synthetic Structured Contextually Correlated Content by Conditional Tabular GAN with K-Means Clustering and Efficient Word Embedding
von: Samanta, Riya, et al.
Veröffentlicht: (2024)

Fast and Compact Tsetlin Machine Inference on CPUs Using Instruction-Level Optimization
von: Zeng, Yefan, et al.
Veröffentlicht: (2025)

An Improved Deep Learning Model for Word Embeddings Based Clustering for Large Text Datasets
von: Sutrakar, Vijay Kumar, et al.
Veröffentlicht: (2025)

Realised Volatility Forecasting: Machine Learning via Financial Word Embedding
von: Rahimikia, Eghbal, et al.
Veröffentlicht: (2021)

Efficient Prompt Caching via Embedding Similarity
von: Zhu, Hanlin, et al.
Veröffentlicht: (2024)

From Directions to Cones: Exploring Multidimensional Representations of Propositional Facts in LLMs
von: Yu, Stanley, et al.
Veröffentlicht: (2025)

Scalable Ensembling For Mitigating Reward Overoptimisation
von: Ahmed, Ahmed M., et al.
Veröffentlicht: (2024)

On SkipGram Word Embedding Models with Negative Sampling: Unified Framework and Impact of Noise Distributions
von: Liu, Dezhi, et al.
Veröffentlicht: (2020)

Visualising Information Flow in Word Embeddings with Diffusion Tensor Imaging
von: Fabian, Thomas
Veröffentlicht: (2026)

Two is better than one: A Collapse-free Multi-Reward RLIF Training Framework
von: Joarder, Shourov, et al.
Veröffentlicht: (2026)

On the Emergence of Linear Analogies in Word Embeddings
von: Korchinski, Daniel J., et al.
Veröffentlicht: (2025)

RiverText: A Python Library for Training and Evaluating Incremental Word Embeddings from Text Data Streams
von: Iturra-Bocaz, Gabriel, et al.
Veröffentlicht: (2025)

Editing Arbitrary Propositions in LLMs without Subject Labels
von: Feigenbaum, Itai, et al.
Veröffentlicht: (2024)

Model Directions, Not Words: Mechanistic Topic Models Using Sparse Autoencoders
von: Zheng, Carolina, et al.
Veröffentlicht: (2025)

Interpretable Topic Extraction and Word Embedding Learning using row-stochastic DEDICOM
von: Hillebrand, Lars, et al.
Veröffentlicht: (2025)