Buchumschlag

Deep Sturm--Liouville: From Sample-Based to 1D Regularization with Learnable Orthogonal Basis Functions

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Vigouroux, David, Dalmau, Joseba, Béthune, Louis, Boutin, Victor
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Follow the Energy, Find the Path: Riemannian Metrics from Energy-Based Models
von: Béthune, Louis, et al.
Veröffentlicht: (2025)

Sample and Map from a Single Convex Potential: Generation using Conjugate Moment Measures
von: Vesseron, Nina, et al.
Veröffentlicht: (2025)

Generalised Linear Models in Deep Bayesian RL with Learnable Basis Functions
von: You, Jingyang, et al.
Veröffentlicht: (2025)

Out-of-Distribution Detection Should Use Conformal Prediction (and Vice-versa?)
von: Novello, Paul, et al.
Veröffentlicht: (2024)

Conformal Semantic Image Segmentation: Post-hoc Quantification of Predictive Uncertainty
von: Mossina, Luca, et al.
Veröffentlicht: (2024)

DP-SGD Without Clipping: The Lipschitz Neural Network Way
von: Bethune, Louis, et al.
Veröffentlicht: (2023)

The Geometries of Truth Are Orthogonal Across Tasks
von: Azizian, Waiss, et al.
Veröffentlicht: (2025)

BasisFormer: Attention-based Time Series Forecasting with Learnable and Interpretable Basis
von: Ni, Zelin, et al.
Veröffentlicht: (2023)

Decoupled Orthogonal Dynamics: Regularization for Deep Network Optimizers
von: Chen, Hao, et al.
Veröffentlicht: (2026)

Multivariate Conformal Prediction using Optimal Transport
von: Klein, Michal, et al.
Veröffentlicht: (2025)

Robust One-Class Classification with Signed Distance Function using 1-Lipschitz Neural Networks
von: Bethune, Louis, et al.
Veröffentlicht: (2023)

TaCo: Targeted Concept Erasure Prevents Non-Linear Classifiers From Detecting Protected Attributes
von: Jourdan, Fanny, et al.
Veröffentlicht: (2023)

Machine Learning Optimized Orthogonal Basis Piecewise Polynomial Approximation
von: Waclawek, Hannes, et al.
Veröffentlicht: (2024)

Improving Out-of-Distribution Detection by Combining Existing Post-hoc Methods
von: Novello, Paul, et al.
Veröffentlicht: (2024)

The Data-Quality Illusion: Rethinking Classifier-Based Quality Filtering for LLM Pretraining
von: Saada, Thiziri Nait, et al.
Veröffentlicht: (2025)

On the Regularization of Learnable Embeddings for Time Series Forecasting
von: Butera, Luca, et al.
Veröffentlicht: (2024)

Scaling Categorical Flow Maps
von: Davis, Oscar, et al.
Veröffentlicht: (2026)

Basis-to-Basis Operator Learning Using Function Encoders
von: Ingebrand, Tyler, et al.
Veröffentlicht: (2024)

$\boldsymbolλ$-Orthogonality Regularization for Compatible Representation Learning
von: Ricci, Simone, et al.
Veröffentlicht: (2025)

Transmit Weights, Not Features: Orthogonal-Basis Aided Wireless Point-Cloud Transmission
von: Chang, Junlin, et al.
Veröffentlicht: (2025)

Characterizing the Multiclass Learnability of Forgiving 0-1 Loss Functions
von: Trauger, Jacob, et al.
Veröffentlicht: (2025)

Discovering Data Manifold Geometry via Non-Contracting Flows
von: Vigouroux, David, et al.
Veröffentlicht: (2026)

Scaling Laws for Forgetting during Finetuning with Pretraining Data Injection
von: Bethune, Louis, et al.
Veröffentlicht: (2025)

Improved learning theory for kernel distribution regression with two-stage sampling
von: Bachoc, François, et al.
Veröffentlicht: (2023)

Composition and Control with Distilled Energy Diffusion Models and Sequential Monte Carlo
von: Thornton, James, et al.
Veröffentlicht: (2025)

DynaMiCS: Fine-tuning LLMs with Performance Constraints using Dynamic Mixtures
von: Gualdoni, Eleonora, et al.
Veröffentlicht: (2026)

Hard Regularization to Prevent Deep Online Clustering Collapse without Data Augmentation
von: Mahon, Louis, et al.
Veröffentlicht: (2023)

Scaling Laws for Optimal Data Mixtures
von: Shukor, Mustafa, et al.
Veröffentlicht: (2025)

Adversarially Robust PAC Learnability of Real-Valued Functions
von: Attias, Idan, et al.
Veröffentlicht: (2022)

BasisN: Reprogramming-Free RRAM-Based In-Memory-Computing by Basis Combination for Deep Neural Networks
von: Eldebiky, Amro, et al.
Veröffentlicht: (2024)

Aircraft Fuel Flow Modelling with Ageing Effects: From Parametric Corrections to Neural Networks
von: Jarry, Gabriel, et al.
Veröffentlicht: (2025)

Robust Learnability of Sample-Compressible Distributions under Noisy or Adversarial Perturbations
von: Boushehrian, Arefe, et al.
Veröffentlicht: (2025)

A Deep Q-Network Based on Radial Basis Functions for Multi-Echelon Inventory Management
von: Cheng, Liqiang, et al.
Veröffentlicht: (2024)

A new model for natural groupings in high-dimensional data
von: Boutin, Mireille, et al.
Veröffentlicht: (2019)

On the Detection of Aircraft Single Engine Taxi using Deep Learning Models
von: Jarry, Gabriel, et al.
Veröffentlicht: (2024)

Scalable Deep Basis Kernel Gaussian Processes
von: Zhu, Yunqin, et al.
Veröffentlicht: (2025)

Optimal Splitting of Language Models from Mixtures to Specialized Domains
von: Seto, Skyler, et al.
Veröffentlicht: (2026)

On the explainable properties of 1-Lipschitz Neural Networks: An Optimal Transport Perspective
von: Serrurier, Mathieu, et al.
Veröffentlicht: (2022)

On the Generalization Properties of Deep Learning for Aircraft Fuel Flow Estimation Models
von: Jarry, Gabriel, et al.
Veröffentlicht: (2024)

Mix, Don't Tune: Bilingual Pre-Training Outperforms Hyperparameter Search in Data-Constrained Settings
von: Jeha, Paul, et al.
Veröffentlicht: (2026)