Quantifying Memory Utilization with Effective State-Size
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Parnichkun, Rom N., Tumma, Neehal, Thomas, Armin W., Moro, Alessandro, An, Qi, Suzuki, Taiji, Yamashita, Atsushi, Poli, Michael, Massaroli, Stefano |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
STAR: Synthesis of Tailored Architectures
par: Thomas, Armin W., et autres
Publié: (2024)
par: Thomas, Armin W., et autres
Publié: (2024)
State-Free Inference of State-Space Models: The Transfer Function Approach
par: Parnichkun, Rom N., et autres
Publié: (2024)
par: Parnichkun, Rom N., et autres
Publié: (2024)
Preconditioned DeltaNet: Curvature-aware Sequence Modeling for Linear Recurrences
par: Tumma, Neehal, et autres
Publié: (2026)
par: Tumma, Neehal, et autres
Publié: (2026)
Sliding Window Recurrences for Sequence Models
par: Secrieru, Dragos, et autres
Publié: (2025)
par: Secrieru, Dragos, et autres
Publié: (2025)
Mechanistic Design and Scaling of Hybrid Architectures
par: Poli, Michael, et autres
Publié: (2024)
par: Poli, Michael, et autres
Publié: (2024)
Transformers as Measure-Theoretic Associative Memory: A Statistical Perspective and Minimax Optimality
par: Kawata, Ryotaro, et autres
Publié: (2026)
par: Kawata, Ryotaro, et autres
Publié: (2026)
State Space Models are Provably Comparable to Transformers in Dynamic Token Selection
par: Nishikawa, Naoki, et autres
Publié: (2024)
par: Nishikawa, Naoki, et autres
Publié: (2024)
Educação Permanente para o aperfeiçoamento do Controle de Infecção Hospitalar: revisão integrativa
par: Aline Massaroli
Publié: (2014)
par: Aline Massaroli
Publié: (2014)
Towards a Unified Analysis of Neural Networks in Nonparametric Instrumental Variable Regression: Optimization and Generalization
par: Chen, Zonghao, et autres
Publié: (2025)
par: Chen, Zonghao, et autres
Publié: (2025)
Direct Distributional Optimization for Provable Alignment of Diffusion Models
par: Kawata, Ryotaro, et autres
Publié: (2025)
par: Kawata, Ryotaro, et autres
Publié: (2025)
Intrinsic Wasserstein Rates for Score-Based Generative Models on Smooth Manifolds
par: Fu, Guoji, et autres
Publié: (2026)
par: Fu, Guoji, et autres
Publié: (2026)
Quantifying the Optimization and Generalization Advantages of Graph Neural Networks Over Multilayer Perceptrons
par: Huang, Wei, et autres
Publié: (2023)
par: Huang, Wei, et autres
Publié: (2023)
Competitividade e gap tecnológico – uma análise comparativa entre Brasil e países europeus
par: Tatiana Massaroli Melo
Publié: (2017)
par: Tatiana Massaroli Melo
Publié: (2017)
Um modelo setorial baseado na abordagem kaleckiana da distribuição setorial funcional da renda e na teoria schumpeteriana da concorrência
par: Tatiana Massaroli Melo
Publié: (2016)
par: Tatiana Massaroli Melo
Publié: (2016)
An energy landscape-based theoretical framework for understanding the emergence of functions in a living system under the dynamical component interaction
par: Suzuki, Ryunosuke, et autres
Publié: (2025)
par: Suzuki, Ryunosuke, et autres
Publié: (2025)
Direct Density Ratio Optimization: A Statistically Consistent Approach to Aligning Large Language Models
par: Higuchi, Rei, et autres
Publié: (2025)
par: Higuchi, Rei, et autres
Publié: (2025)
Transformers Learn Nonlinear Features In Context: Nonconvex Mean-field Dynamics on the Attention Landscape
par: Kim, Juno, et autres
Publié: (2024)
par: Kim, Juno, et autres
Publié: (2024)
Deep Two-Way Matrix Reordering for Relational Data Analysis
par: Watanabe, Chihiro, et autres
Publié: (2021)
par: Watanabe, Chihiro, et autres
Publié: (2021)
The Mechanism of Weak-to-Strong Generalization: Feature Elicitation from Latent Knowledge
par: Awano, Ryoya, et autres
Publié: (2026)
par: Awano, Ryoya, et autres
Publié: (2026)
Transformers Provably Solve Parity Efficiently with Chain of Thought
par: Kim, Juno, et autres
Publié: (2024)
par: Kim, Juno, et autres
Publié: (2024)
Mean-field Analysis on Two-layer Neural Networks from a Kernel Perspective
par: Takakura, Shokichi, et autres
Publié: (2024)
par: Takakura, Shokichi, et autres
Publié: (2024)
AutoLL: Automatic Linear Layout of Graphs based on Deep Neural Network
par: Watanabe, Chihiro, et autres
Publié: (2021)
par: Watanabe, Chihiro, et autres
Publié: (2021)
Test time training enhances in-context learning of nonlinear functions
par: Kuwataka, Kento, et autres
Publié: (2025)
par: Kuwataka, Kento, et autres
Publié: (2025)
In-Context Learning Is Provably Bayesian Inference: A Generalization Theory for Meta-Learning
par: Wakayama, Tomoya, et autres
Publié: (2025)
par: Wakayama, Tomoya, et autres
Publié: (2025)
Approximation and Estimation Ability of Transformers for Sequence-to-Sequence Functions with Infinite Dimensional Input
par: Takakura, Shokichi, et autres
Publié: (2023)
par: Takakura, Shokichi, et autres
Publié: (2023)
Koopman-based generalization bound: New aspect for full-rank weights
par: Hashimoto, Yuka, et autres
Publié: (2023)
par: Hashimoto, Yuka, et autres
Publié: (2023)
Moving Object Detection from Moving Camera Using Focus of Expansion Likelihood and Segmentation
par: Ogawa, Masahiro, et autres
Publié: (2025)
par: Ogawa, Masahiro, et autres
Publié: (2025)
Effective Treatment Case of Esophagogastric Varices With a To‐and‐Fro Flow State Using Convex Ultrasound Endoscopy
par: Kazunori Nagashima, et autres
Publié: (2026)
par: Kazunori Nagashima, et autres
Publié: (2026)
From Saddle Points Toward Global Minima: A Newton-Type Method on Wasserstein Space
par: Lascu, Razvan-Andrei, et autres
Publié: (2026)
par: Lascu, Razvan-Andrei, et autres
Publié: (2026)
Propagation of Chaos for Mean-Field Langevin Dynamics and its Application to Model Ensemble
par: Nitanda, Atsushi, et autres
Publié: (2025)
par: Nitanda, Atsushi, et autres
Publié: (2025)
Degrees of Freedom for Linear Attention: Distilling Softmax Attention with Optimal Feature Efficiency
par: Nishikawa, Naoki, et autres
Publié: (2025)
par: Nishikawa, Naoki, et autres
Publié: (2025)
Transformers are Minimax Optimal Nonparametric In-Context Learners
par: Kim, Juno, et autres
Publié: (2024)
par: Kim, Juno, et autres
Publié: (2024)
Mamba Can Learn Low-Dimensional Targets In-Context via Test-Time Feature Learning
par: Oh, Junsoo, et autres
Publié: (2025)
par: Oh, Junsoo, et autres
Publié: (2025)
Hessian-guided Perturbed Wasserstein Gradient Flows for Escaping Saddle Points
par: Yamamoto, Naoya, et autres
Publié: (2025)
par: Yamamoto, Naoya, et autres
Publié: (2025)
A note on lenses in arrangements of pairwise intersecting circles in the plane
par: Pinchasi, Rom
Publié: (2024)
par: Pinchasi, Rom
Publié: (2024)
The Impact of Banking Competition on Interest Rates for Household Consumption Loans in the Euro Area
par: Rom, Alexander
Publié: (2024)
par: Rom, Alexander
Publié: (2024)
El papel de los estudios lingüísticos en la investigación psicosocial: el caso de las pasiones y los sentimientos
par: Rom Harré
Publié: (2002)
par: Rom Harré
Publié: (2002)
Rebekka Denz. Bürgerlich, jüdisch, weiblich: Frauen im Centralverein deutscher Staatsbürger jüdischen Glaubens (1918–1938). Jüdische Kulturgeschichte in der Moderne 16. Berlin: Neofelis Verlag, 2021. 392 Seiten, EUR 32, ISBN 978-3-95808-159-8
par: Sharon Rom
Publié: (2022)
par: Sharon Rom
Publié: (2022)
Hybrid Psychology: The marriage of discourse analysis with neuroscience
par: Rom Harré
Publié: (2010)
par: Rom Harré
Publié: (2010)
A Model-Free Method to Quantify Memory Utilization in Neural Point Processes
par: Mijatovic, Gorana, et autres
Publié: (2024)
par: Mijatovic, Gorana, et autres
Publié: (2024)
Documents similaires
-
STAR: Synthesis of Tailored Architectures
par: Thomas, Armin W., et autres
Publié: (2024) -
State-Free Inference of State-Space Models: The Transfer Function Approach
par: Parnichkun, Rom N., et autres
Publié: (2024) -
Preconditioned DeltaNet: Curvature-aware Sequence Modeling for Linear Recurrences
par: Tumma, Neehal, et autres
Publié: (2026) -
Sliding Window Recurrences for Sequence Models
par: Secrieru, Dragos, et autres
Publié: (2025) -
Mechanistic Design and Scaling of Hybrid Architectures
par: Poli, Michael, et autres
Publié: (2024)