Buchumschlag

Exploring Pseudo-Token Approaches in Transformer Neural Processes

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lara-Rangel, Jose, Chen, Nanze, Zhang, Fengzhe
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

On the Limits of Applying Graph Transformers for Brain Connectome Classification
von: Lara-Rangel, Jose, et al.
Veröffentlicht: (2025)

Efficient and Unbiased Sampling from Boltzmann Distributions via Variance-Tuned Diffusion Models
von: Zhang, Fengzhe, et al.
Veröffentlicht: (2025)

Spectral Transformer Neural Processes
von: Chen, Xianhe, et al.
Veröffentlicht: (2026)

Incremental Transformer Neural Processes
von: Mortimer, Philip, et al.
Veröffentlicht: (2026)

Efficient and Unbiased Sampling of Boltzmann Distributions via Consistency Models
von: Zhang, Fengzhe, et al.
Veröffentlicht: (2024)

Translation Equivariant Transformer Neural Processes
von: Ashman, Matthew, et al.
Veröffentlicht: (2024)

Transformer Neural Processes - Kernel Regression
von: Jenson, Daniel, et al.
Veröffentlicht: (2024)

In-Context In-Context Learning with Transformer Neural Processes
von: Ashman, Matthew, et al.
Veröffentlicht: (2024)

Efficient Time Series Processing for Transformers and State-Space Models through Token Merging
von: Götz, Leon, et al.
Veröffentlicht: (2024)

Advances in Temporal Point Processes: Bayesian, Neural, and LLM Approaches
von: Zhou, Feng, et al.
Veröffentlicht: (2025)

Laplacian Heads Improve Transformers by Smoothing Token Representations
von: Zhang, Yuchong, et al.
Veröffentlicht: (2026)

Scalable Spatiotemporal Inference with Biased Scan Attention Transformer Neural Processes
von: Jenson, Daniel, et al.
Veröffentlicht: (2025)

TokenFormer: Rethinking Transformer Scaling with Tokenized Model Parameters
von: Wang, Haiyang, et al.
Veröffentlicht: (2024)

Lost in Tokenization: Fundamental Trade-offs in Graph Tokenization for Transformers
von: Bechler-Speicher, Maya, et al.
Veröffentlicht: (2026)

TART: Token-based Architecture Transformer for Neural Network Performance Prediction
von: He, Yannis Y.
Veröffentlicht: (2025)

Pseudo-Bayesian Optimization
von: Chen, Haoxian, et al.
Veröffentlicht: (2023)

NTFormer: A Composite Node Tokenized Graph Transformer for Node Classification
von: Chen, Jinsong, et al.
Veröffentlicht: (2024)

Enhancing Latent Computation in Transformers with Latent Tokens
von: Sun, Yuchang, et al.
Veröffentlicht: (2025)

Pseudo-Invertible Neural Networks
von: Ehrlich, Yamit, et al.
Veröffentlicht: (2026)

Gridded Transformer Neural Processes for Large Unstructured Spatio-Temporal Data
von: Ashman, Matthew, et al.
Veröffentlicht: (2024)

Leveraging Contrastive Learning for Enhanced Node Representations in Tokenized Graph Transformers
von: Chen, Jinsong, et al.
Veröffentlicht: (2024)

Exploring Token-Space Manipulation in Latent Audio Tokenizers
von: Paissan, Francesco, et al.
Veröffentlicht: (2026)

Mesh-Informed Neural Operator : A Transformer Generative Approach
von: Shi, Yaozhong, et al.
Veröffentlicht: (2025)

Accelerating Transformers with Spectrum-Preserving Token Merging
von: Tran, Hoai-Chau, et al.
Veröffentlicht: (2024)

Todyformer: Towards Holistic Dynamic Graph Transformers with Structure-Aware Tokenization
von: Biparva, Mahdi, et al.
Veröffentlicht: (2024)

Rethinking Tokenized Graph Transformers for Node Classification
von: Chen, Jinsong, et al.
Veröffentlicht: (2025)

Revisiting Neural Processes via Fourier Transform and Volterra Series
von: Mohseni, Peiman, et al.
Veröffentlicht: (2026)

Correction of Transformer-Based Models with Smoothing Pseudo-Projector
von: Bulgakov, Vitaly
Veröffentlicht: (2026)

Transformers in Pseudo-Random Number Generation: A Dual Perspective on Theory and Practice
von: Li, Ran, et al.
Veröffentlicht: (2025)

Robust Neural Processes for Noisy Data
von: Shapira, Chen, et al.
Veröffentlicht: (2024)

Neural Fourier Transform: A General Approach to Equivariant Representation Learning
von: Koyama, Masanori, et al.
Veröffentlicht: (2023)

Calibrating Transformers via Sparse Gaussian Processes
von: Chen, Wenlong, et al.
Veröffentlicht: (2023)

Exploring the Hidden Reasoning Process of Large Language Models by Misleading Them
von: Chen, Guanyu, et al.
Veröffentlicht: (2025)

Weather Maps as Tokens: Transformers for Renewable Energy Forecasting
von: Battini, Federico
Veröffentlicht: (2025)

Discrete Tokenization Unlocks Transformers for Calibrated Tabular Forecasting
von: Elmatad, Yael S.
Veröffentlicht: (2026)

Towards Understanding the Universality of Transformers for Next-Token Prediction
von: Sander, Michael E., et al.
Veröffentlicht: (2024)

Semi-supervised CAPP Transformer Learning via Pseudo-labeling
von: Gross, Dennis, et al.
Veröffentlicht: (2026)

Graph Tokenization for Bridging Graphs and Transformers
von: Guo, Zeyuan, et al.
Veröffentlicht: (2026)

Exploring Topological Bias in Heterogeneous Graph Neural Networks
von: Zhang, Yihan
Veröffentlicht: (2025)

SpikeSTAG: Spatial-Temporal Forecasting via GNN-SNN Collaboration
von: Hu, Bang, et al.
Veröffentlicht: (2025)