Buchumschlag

How iteration order influences convergence and stability in deep learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Dherin, Benoit, Avelin, Benny, Karlsson, Anders, Mazzawi, Hanna, Gonzalvo, Javier, Munn, Michael
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Dynamical Systems
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Learning without training: The implicit dynamics of in-context learning
von: Dherin, Benoit, et al.
Veröffentlicht: (2025)

Transmuting prompts into weights
von: Mazzawi, Hanna, et al.
Veröffentlicht: (2025)

Learning by solving differential equations
von: Dherin, Benoit, et al.
Veröffentlicht: (2025)

A Margin-based Multiclass Generalization Bound via Geometric Complexity
von: Munn, Michael, et al.
Veröffentlicht: (2024)

The Impact of Geometric Complexity on Neural Collapse in Transfer Learning
von: Munn, Michael, et al.
Veröffentlicht: (2024)

Grow, Don't Overwrite: Fine-tuning Without Forgetting
von: Adila, Dyah, et al.
Veröffentlicht: (2026)

Deep Fusion: Efficient Network Training via Pre-trained Initializations
von: Mazzawi, Hanna, et al.
Veröffentlicht: (2023)

Equivalence of Context and Parameter Updates in Modern Transformer Blocks
von: Goldwaser, Adrian, et al.
Veröffentlicht: (2025)

On residual network depth
von: Dherin, Benoit, et al.
Veröffentlicht: (2025)

How deep is your network? Deep vs. shallow learning of transfer operators
von: Tabish, Mohammad, et al.
Veröffentlicht: (2025)

Hierarchical deep learning-based adaptive time-stepping scheme for multiscale simulations
von: Hamid, Asif, et al.
Veröffentlicht: (2023)

Machine-learning invariant foliations in forced systems for reduced order modelling
von: Szalai, Robert
Veröffentlicht: (2024)

Majority Kernels: An Approach to Leverage Big Model Dynamics for Efficient Small Model Training
von: Mazzawi, Hanna, et al.
Veröffentlicht: (2024)

Predicting discrete-time bifurcations with deep learning
von: Bury, Thomas M., et al.
Veröffentlicht: (2023)

Automatic feature identification in least-squares policy iteration using the Koopman operator framework
von: Zagabe, Christian Mugisho, et al.
Veröffentlicht: (2026)

Improved deep learning of chaotic dynamical systems with multistep penalty losses
von: Chakraborty, Dibyajyoti, et al.
Veröffentlicht: (2024)

Bayesian identification of nonseparable Hamiltonians with multiplicative noise using deep learning and reduced-order modeling
von: Galioto, Nicholas, et al.
Veröffentlicht: (2024)

Dictionary learning for Kernel EDMD
von: Bolager, Erik Lien, et al.
Veröffentlicht: (2026)

Data-driven model order reduction for structures with piecewise linear nonlinearity using dynamic mode decomposition
von: Saito, Akira, et al.
Veröffentlicht: (2026)

Deep learning and the rate of approximation by flows
von: Cheng, Jingpu, et al.
Veröffentlicht: (2026)

Deep learning for predicting the occurrence of tipping points
von: Zhuge, Chengzuo, et al.
Veröffentlicht: (2024)

Higher order quantum reservoir computing for non-intrusive reduced-order models
von: Jain, Vinamr, et al.
Veröffentlicht: (2024)

Deep learning for model correction of dynamical systems with data scarcity
von: Tatsuoka, Caroline, et al.
Veröffentlicht: (2024)

$χ^2$-cut-off phenomenon for Galerkin projections of Fokker-Planck equations with monomial potentials
von: Avelin, Benny, et al.
Veröffentlicht: (2026)

Koopman-based surrogate modeling for reinforcement-learning-control of Rayleigh-Benard convection
von: Plotzki, Tim, et al.
Veröffentlicht: (2026)

One-shot learning for the complex dynamical behaviors of weakly nonlinear forced oscillators
von: Ma, Teng, et al.
Veröffentlicht: (2026)

Noise-induced degeneration in online learning
von: Sato, Yuzuru, et al.
Veröffentlicht: (2020)

A competitive baseline for deep learning enhanced data assimilation using conditional Gaussian ensemble Kalman filtering
von: Malik, Zachariah, et al.
Veröffentlicht: (2024)

Tradeoffs between convergence rate and noise amplification for momentum-based accelerated optimization algorithms
von: Mohammadi, Hesameddin, et al.
Veröffentlicht: (2022)

More stability and convergence results for higher-order Wiener-Wintner systems
von: Folks, Jacob
Veröffentlicht: (2025)

MXMap: A Multivariate Cross Mapping Framework for Causal Discovery in Dynamical Systems
von: Zhang, Elise, et al.
Veröffentlicht: (2025)

Backpropagation on Dynamical Networks
von: Tan, Eugene, et al.
Veröffentlicht: (2022)

From exponential to finite/fixed-time stability: Applications to optimization
von: Ozaslan, Ibrahim K., et al.
Veröffentlicht: (2024)

Hierarchy of extreme-event predictability in turbulence revealed by machine learning
von: Yang, Yuxuan, et al.
Veröffentlicht: (2026)

Flow map matching with stochastic interpolants: A mathematical framework for consistency models
von: Boffi, Nicholas M., et al.
Veröffentlicht: (2024)

Multitask Learning with Stochastic Interpolants
von: Negrel, Hugo, et al.
Veröffentlicht: (2025)

Upper Generalization Bounds for Neural Oscillators
von: Huang, Zifeng, et al.
Veröffentlicht: (2026)

Polynomial Chaos Expansions on Principal Geodesic Grassmannian Submanifolds for Surrogate Modeling and Uncertainty Quantification
von: Giovanis, Dimitris G., et al.
Veröffentlicht: (2024)

Invariant tori via higher order averaging method: existence, regularity, convergence, stability, and dynamics
von: Novaes, Douglas D., et al.
Veröffentlicht: (2023)

Navigating Uncertainties in Machine Learning for Structural Dynamics: A Comprehensive Survey of Probabilistic and Non-Probabilistic Approaches in Forward and Inverse Problems
von: Yan, Wang-Ji, et al.
Veröffentlicht: (2024)