Buchumschlag

Topological derivative approach for deep neural network architecture adaptation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Krishnanunni, C G, Bui-Thanh, Tan, Dawson, Clint
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

An Adaptive and Stability-Promoting Layerwise Training Approach for Sparse Deep Neural Network Architecture
von: Krishnanunni, C G, et al.
Veröffentlicht: (2022)

An algorithmic framework for the optimization of deep neural networks architectures and hyperparameters
von: Keisler, Julie, et al.
Veröffentlicht: (2023)

Self-adaptive weights based on balanced residual decay rate for physics-informed neural networks and deep operator networks
von: Chen, Wenqian, et al.
Veröffentlicht: (2024)

TAEN: A Model-Constrained Tikhonov Autoencoder Network for Forward and Inverse Problems
von: Nguyen, Hai V., et al.
Veröffentlicht: (2024)

Utilizing Lyapunov Exponents in designing deep neural networks
von: Mittra, Tirthankar
Veröffentlicht: (2024)

LiLaN: A Linear Latent Network as the Solution Operator for Real-Time Solutions to Stiff Nonlinear Ordinary Differential Equations
von: Nockolds, William Cole, et al.
Veröffentlicht: (2025)

Do deep neural networks utilize the weight space efficiently?
von: Koyun, Onur Can, et al.
Veröffentlicht: (2024)

Restricting to the chip architecture maintains the quantum neural network accuracy
von: Friedrich, Lucas, et al.
Veröffentlicht: (2022)

Explaining deep neural network models for electricity price forecasting with XAI
von: Pesenti, Antoine, et al.
Veröffentlicht: (2025)

Stacking-based deep neural network for player scouting in football 1
von: Lacan, Simon
Veröffentlicht: (2024)

Growth strategies for arbitrary DAG neural architectures
von: Douka, Stella, et al.
Veröffentlicht: (2025)

StormNet: Improving storm surge predictions with a GNN-based spatio-temporal offset forecasting model
von: Nader, Noujoud, et al.
Veröffentlicht: (2026)

Making deep neural networks right for the right scientific reasons by interacting with their explanations
von: Schramowski, Patrick, et al.
Veröffentlicht: (2020)

Differentiable architecture search with multi-dimensional attention for spiking neural networks
von: Man, Yilei, et al.
Veröffentlicht: (2024)

From paintbrush to pixel: A review of deep neural networks in AI-generated art
von: Maerten, Anne-Sofie, et al.
Veröffentlicht: (2023)

A multiobjective continuation method to compute the regularization path of deep neural networks
von: Amakor, Augustina C., et al.
Veröffentlicht: (2023)

Self-adaptive weighting and sampling for physics-informed neural networks
von: Chen, Wenqian, et al.
Veröffentlicht: (2025)

A framework for measuring the training efficiency of a neural architecture
von: Cueto-Mendoza, Eduardo, et al.
Veröffentlicht: (2024)

RDI: An adversarial robustness evaluation metric for deep neural networks based on model statistical features
von: Song, Jialei, et al.
Veröffentlicht: (2025)

Separable neural architectures as a primitive for unified predictive and generative intelligence
von: Batley, Reza T., et al.
Veröffentlicht: (2026)

HURRI-GAN: A Novel Approach for Hurricane Bias-Correction Beyond Gauge Stations using Generative Adversarial Networks
von: Nadera, Noujoud, et al.
Veröffentlicht: (2026)

Why are hyperbolic neural networks effective? A study on hierarchical representation capability
von: Tan, Shicheng, et al.
Veröffentlicht: (2024)

A logical re-conception of neural networks: Hamiltonian bitwise part-whole architecture
von: Bowen, E, et al.
Veröffentlicht: (2026)

A constraints-based approach to fully interpretable neural networks for detecting learner behaviors
von: Pinto, Juan D., et al.
Veröffentlicht: (2025)

PINNet: a deep neural network with pathway prior knowledge for Alzheimer's disease
von: Kim, Yeojin, et al.
Veröffentlicht: (2022)

Understanding polysemanticity in neural networks through coding theory
von: Marshall, Simon C., et al.
Veröffentlicht: (2024)

Can neural networks do arithmetic? A survey on the elementary numerical skills of state-of-the-art deep learning models
von: Testolin, Alberto
Veröffentlicht: (2023)

Comparative analysis of neural network architectures for short-term FOREX forecasting
von: Zafeiriou, Theodoros, et al.
Veröffentlicht: (2024)

Sobolev acceleration for neural networks
von: Oh, Jong Kwon, et al.
Veröffentlicht: (2025)

On permutation-invariant neural networks
von: Kimura, Masanari, et al.
Veröffentlicht: (2024)

Attention mechanisms in neural networks
von: Hays, Hasi
Veröffentlicht: (2026)

Efficient and provably convergent end-to-end training of deep neural networks with linear constraints
von: Yang, Zonglin, et al.
Veröffentlicht: (2026)

Unifying approach to uniform expressivity of graph neural networks
von: Luo, Huan, et al.
Veröffentlicht: (2026)

A domain adaptation neural network for digital twin-supported fault diagnosis
von: Chen, Zhenling, et al.
Veröffentlicht: (2025)

Linearity-based neural network compression
von: Dobler, Silas, et al.
Veröffentlicht: (2025)

Principles of Lipschitz continuity in neural networks
von: Luo, Róisín
Veröffentlicht: (2026)

On-site estimation of battery electrochemical parameters via transfer learning based physics-informed neural network approach
von: Yeregui, Josu, et al.
Veröffentlicht: (2025)

From Frege to chatGPT: Compositionality in language, cognition, and deep neural networks
von: Russin, Jacob, et al.
Veröffentlicht: (2024)

Surrogate modeling of Cellular-Potts Agent-Based Models as a segmentation task using the U-Net neural network architecture
von: Comlekoglu, Tien, et al.
Veröffentlicht: (2025)

MisoDICE: Multi-Agent Imitation from Unlabeled Mixed-Quality Demonstrations
von: Bui, The Viet, et al.
Veröffentlicht: (2025)