Copertina

Sobolev norm inconsistency of kernel interpolation

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autore principale:	Yang, Yunfei
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

On the optimal approximation of Sobolev and Besov functions using deep ReLU neural networks
di: Yang, Yunfei
Pubblicazione: (2024)

The phase diagram of kernel interpolation in large dimensions
di: Zhang, Haobo, et al.
Pubblicazione: (2024)

Generalization error of min-norm interpolators in transfer learning
di: Song, Yanke, et al.
Pubblicazione: (2024)

Eigen-convergence of Gaussian kernelized graph Laplacian by manifold heat interpolation
di: Cheng, Xiuyuan, et al.
Pubblicazione: (2021)

Fast kernel methods: Sobolev, physics-informed, and additive models
di: Doumèche, Nathan, et al.
Pubblicazione: (2025)

Rational kernel-based interpolation for complex-valued frequency response functions
di: Bect, Julien, et al.
Pubblicazione: (2023)

On damage of interpolation to adversarial robustness in regression
di: Peng, Jingfu, et al.
Pubblicazione: (2026)

Memorization capacity of deep ReLU neural networks characterized by width and depth
di: Yang, Xin, et al.
Pubblicazione: (2026)

Optimal rates of approximation by shallow ReLU$^k$ neural networks and applications to nonparametric regression
di: Yang, Yunfei, et al.
Pubblicazione: (2023)

Beyond $\ell_2$-norm and $\ell_\infty$-norm: A Curvature-Inspired $\ell_p$-Norm Scheme for Deep Neural Networks
di: Xu, Jianhao, et al.
Pubblicazione: (2026)

Escaping the native space of Sobolev kernels by interpolation
di: Ehring, Tobias, et al.
Pubblicazione: (2025)

Sobolev--Ricci Curvature
di: Iwasaki, Kyoichi, et al.
Pubblicazione: (2026)

Transfer learning via interpolating structures
di: Dardeno, T. A., et al.
Pubblicazione: (2026)

Stochastic interpolants with data-dependent couplings
di: Albergo, Michael S., et al.
Pubblicazione: (2023)

Approximation and learning of anisotropic and mixed smooth functions by deep ReLU neural networks
di: Yang, Yunfei, et al.
Pubblicazione: (2026)

MLASDO: a software tool to detect and explain clinical and omics inconsistencies applied to the Parkinson's Progression Markers Initiative cohort
di: Pardo, José A., et al.
Pubblicazione: (2025)

Harmful Overfitting in Sobolev Spaces
di: Karhadkar, Kedar, et al.
Pubblicazione: (2026)

Improving regional weather forecasts with neural interpolation
di: Jackaman, James, et al.
Pubblicazione: (2025)

Fractal interpolation in the context of prediction accuracy optimization
di: Baicoianu, Alexandra, et al.
Pubblicazione: (2024)

MIN-Merging: Merge the Important Neurons for Model Merging
di: Liang, Yunfei
Pubblicazione: (2025)

Nonparametric regression using over-parameterized shallow ReLU neural networks
di: Yang, Yunfei, et al.
Pubblicazione: (2023)

On the similarity of bandwidth-tuned quantum kernels and classical kernels
di: Flórez-Ablan, Roberto, et al.
Pubblicazione: (2025)

Lipschitz bounds for integral kernels
di: Reverdi, Justin, et al.
Pubblicazione: (2026)

Reservoir kernels and Volterra series
di: Gonon, Lukas, et al.
Pubblicazione: (2022)

Sobolev Regularized MMD Gradient Flow
di: Tian, Chenyang, et al.
Pubblicazione: (2026)

LSAM: Asynchronous Distributed Training with Landscape-Smoothed Sharpness-Aware Minimization
di: Teng, Yunfei, et al.
Pubblicazione: (2025)

Agent Performing Autonomous Stock Trading under Good and Bad Situations
di: Luo, Yunfei, et al.
Pubblicazione: (2023)

FedIFL: A federated cross-domain diagnostic framework for motor-driven systems with inconsistent fault modes
di: Wang, Zexiao, et al.
Pubblicazione: (2025)

Towards Sobolev Pruning
di: Kichler, Neil, et al.
Pubblicazione: (2023)

Measure-to-measure interpolation using Transformers
di: Geshkovski, Borjan, et al.
Pubblicazione: (2024)

To bootstrap or to rollout? An optimal and adaptive interpolation
di: Mou, Wenlong, et al.
Pubblicazione: (2024)

Generalized Sobolev IPM for Graph-Based Measures
di: Le, Tam, et al.
Pubblicazione: (2025)

The kernel of graph indices for vector search
di: Tepper, Mariano, et al.
Pubblicazione: (2025)

Deep graph kernel point processes
di: Dong, Zheng, et al.
Pubblicazione: (2023)

A reproducible comparative study of categorical kernels for Gaussian process regression, with new clustering-based nested kernels
di: Perez, Raphaël Carpintero, et al.
Pubblicazione: (2025)

First-order Sobolev Reinforcement Learning
di: Schramm, Fabian, et al.
Pubblicazione: (2025)

l1-norm regularized l1-norm best-fit lines
di: Ling, Xiao, et al.
Pubblicazione: (2024)

Universality and approximation bounds for echo state networks with random weights
di: Li, Zhen, et al.
Pubblicazione: (2022)

Rough kernel hedging
di: Cirone, Nicola Muca, et al.
Pubblicazione: (2025)

Manifold Clustering with Schatten p-norm Maximization
di: Li, Fangfang, et al.
Pubblicazione: (2025)