Buchumschlag

Physics-inspired Energy Transition Neural Network for Sequence Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wu, Zhou, An, Junyi, Xu, Baile, Shen, Furao, Zhao, Jian
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

ConceptFlow: Hierarchical and Fine-grained Concept-Based Explanation for Convolutional Neural Networks
von: Mu, Xinyu, et al.
Veröffentlicht: (2025)

Enhancing Epidemic Forecasting: Evaluating the Role of Mobility Data and Graph Convolutional Networks
von: Guo, Suhan, et al.
Veröffentlicht: (2025)

Multi-Scale Dilated Convolution Network for Long-Term Time Series Forecasting
von: Li, Feifei, et al.
Veröffentlicht: (2024)

Towards Realistic Class-Incremental Learning with Free-Flow Increments
von: Xu, Zhiming, et al.
Veröffentlicht: (2026)

Dual Prototypes for Adaptive Pre-Trained Model in Class-Incremental Learning
von: Xu, Zhiming, et al.
Veröffentlicht: (2024)

Pushing the Limits of Distillation-Based Continual Learning via Classifier-Proximal Lightweight Plugins
von: Xu, Zhiming, et al.
Veröffentlicht: (2025)

Nested Spatio-Temporal Time Series Forecasting
von: Ai, Yinghao, et al.
Veröffentlicht: (2026)

T-LLM: Teaching Large Language Models to Forecast Time Series via Temporal Distillation
von: Guo, Suhan, et al.
Veröffentlicht: (2026)

Efficient User Sequence Learning for Online Services via Compressed Graph Neural Networks
von: Wu, Yucheng, et al.
Veröffentlicht: (2024)

Prediction of Bank Credit Ratings using Heterogeneous Topological Graph Neural Networks
von: Liu, Junyi, et al.
Veröffentlicht: (2025)

When Dynamic Data Selection Meets Data Augmentation
von: Yang, Suorong, et al.
Veröffentlicht: (2025)

Gated QKAN-FWP: Scalable Quantum-inspired Sequence Learning
von: Peng, Kuo-Chung, et al.
Veröffentlicht: (2026)

Explaining Model Overfitting in CNNs via GMM Clustering
von: Dou, Hui, et al.
Veröffentlicht: (2024)

Self-cross Feature based Spiking Neural Networks for Efficient Few-shot Learning
von: Xu, Qi, et al.
Veröffentlicht: (2025)

Conformalized Link Prediction on Graph Neural Networks
von: Zhao, Tianyi, et al.
Veröffentlicht: (2024)

Spectral Edge Dynamics: An Analytical-Empirical Study of Phase Transitions in Neural Network Training
von: Xu, Yongzhong
Veröffentlicht: (2026)

On the Privacy Risks of Spiking Neural Networks: A Membership Inference Analysis
von: Guan, Junyi, et al.
Veröffentlicht: (2025)

Spectral-inspired Operator Learning with Limited Data and Unknown Physics
von: Wan, Han, et al.
Veröffentlicht: (2025)

Predicting Large-scale Urban Network Dynamics with Energy-informed Graph Neural Diffusion
von: Nie, Tong, et al.
Veröffentlicht: (2025)

Hybrid Adaptive Modeling in Process Monitoring: Leveraging Sequence Encoders and Physics-Informed Neural Networks
von: Elaarabi, Mouad, et al.
Veröffentlicht: (2025)

Beyond Point-wise Neural Collapse: A Topology-Aware Hierarchical Classifier for Class-Incremental Learning
von: Yi, Huiyu, et al.
Veröffentlicht: (2026)

Humanoid-inspired Causal Representation Learning for Domain Generalization
von: Tao, Ze, et al.
Veröffentlicht: (2025)

SEGNO: Generalizing Equivariant Graph Neural Networks with Physical Inductive Biases
von: Liu, Yang, et al.
Veröffentlicht: (2023)

Beyond What to Select: A Plug-and-play Oscillatory Data-Volume Scheduling for Efficient Model Training
von: Yang, Suorong, et al.
Veröffentlicht: (2026)

Energy-Efficient Stochastic Computing (SC) Neural Networks for Internet of Things Devices With Layer-Wise Adjustable Sequence Length (ASL)
von: Wang, Ziheng, et al.
Veröffentlicht: (2025)

Norm-Hierarchy Transitions in Representation Learning: When and Why Neural Networks Abandon Shortcuts
von: Khanh, Truong Xuan, et al.
Veröffentlicht: (2026)

Proximity-Informed Calibration for Deep Neural Networks
von: Xiong, Miao, et al.
Veröffentlicht: (2023)

Are Heterogeneous Graph Neural Networks Truly Effective? A Causal Perspective
von: Yang, Xiao, et al.
Veröffentlicht: (2025)

Native Fortran Implementation of TensorFlow-Trained Deep and Bayesian Neural Networks
von: Furlong, Aidan, et al.
Veröffentlicht: (2025)

VertiBench: Advancing Feature Distribution Diversity in Vertical Federated Learning Benchmarks
von: Wu, Zhaomin, et al.
Veröffentlicht: (2023)

KO: Kinetics-inspired Neural Optimizer with PDE Simulation Approaches
von: Feng, Mingquan, et al.
Veröffentlicht: (2025)

Energy Consumption in Parallel Neural Network Training
von: Huber, Philipp, et al.
Veröffentlicht: (2025)

Optimizing Energy Management of Smart Grid using Reinforcement Learning aided by Surrogate models built using Physics-informed Neural Networks
von: Cestero, Julen, et al.
Veröffentlicht: (2025)

S$^2$ALM: Sequence-Structure Pre-trained Large Language Model for Comprehensive Antibody Representation Learning
von: Yin, Mingze, et al.
Veröffentlicht: (2024)

Neural Bridge Processes
von: Xu, Jian, et al.
Veröffentlicht: (2025)

Temporal-Aware Evaluation and Learning for Temporal Graph Neural Networks
von: Su, Junwei, et al.
Veröffentlicht: (2024)

Transfer learning in Scalable Graph Neural Network for Improved Physical Simulation
von: Shen, Siqi, et al.
Veröffentlicht: (2025)

Tensor-Fused Multi-View Graph Contrastive Learning
von: Wu, Yujia, et al.
Veröffentlicht: (2024)

Trustworthy Graph Neural Networks: Aspects, Methods and Trends
von: Zhang, He, et al.
Veröffentlicht: (2022)

Neural Force Field: Few-shot Learning of Generalized Physical Reasoning
von: Li, Shiqian, et al.
Veröffentlicht: (2025)