Buchumschlag

Koopman Autoencoders Learn Neural Representation Dynamics

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Aswani, Nishant Suresh, Jabari, Saif Eddin
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

Representing Neural Network Layers as Linear Operations via Koopman Operator Theory
von: Aswani, Nishant Suresh, et al.
Veröffentlicht: (2024)

Dynamic Mode Decomposition along Depth in Vision Transformers
von: Aswani, Nishant Suresh, et al.
Veröffentlicht: (2026)

FlowMixer: A Depth-Agnostic Neural Architecture for Interpretable Spatiotemporal Forecasting
von: Mehouachi, Fares B., et al.
Veröffentlicht: (2025)

Urban traffic analysis and forecasting through shared Koopman eigenmodes
von: Yang, Chuhan, et al.
Veröffentlicht: (2024)

Efficient Dilated Squeeze and Excitation Neural Operator for Differential Equations
von: Chauhan, Prajwal, et al.
Veröffentlicht: (2026)

Catastrophic Overfitting, Entropy Gap and Participation Ratio: A Noiseless $l^p$ Norm Solution for Fast Adversarial Training
von: Mehouachi, Fares B., et al.
Veröffentlicht: (2025)

Monte Carlo-Type Neural Operator for Differential Equations
von: Choutri, Salah Eddine, et al.
Veröffentlicht: (2025)

Examining Changes in Internal Representations of Continual Learning Models Through Tensor Decomposition
von: Aswani, Nishant Suresh, et al.
Veröffentlicht: (2024)

Learning Solution Operators for Partial Differential Equations via Monte Carlo-Type Approximation
von: Choutri, Salah Eddine, et al.
Veröffentlicht: (2025)

Neural operators struggle to learn complex PDEs in pedestrian mobility: Hughes model case study
von: Chauhan, Prajwal, et al.
Veröffentlicht: (2025)

Countering adversarial perturbations in graphs using error correcting codes
von: Jabari, Saif Eddin
Veröffentlicht: (2024)

PiDAn: A Coherence Optimization Approach for Backdoor Attack Detection and Mitigation in Deep Neural Networks
von: Wang, Yue, et al.
Veröffentlicht: (2022)

Fourier neural operator for learning solutions to macroscopic traffic flow models: Application to the forward and inverse problems
von: Thodi, Bilal Thonnam, et al.
Veröffentlicht: (2023)

Temporally Consistent Koopman Autoencoders for Forecasting Dynamical Systems
von: Nayak, Indranil, et al.
Veröffentlicht: (2024)

Koopman Autoencoders with Continuous-Time Latent Dynamics for Fluid Dynamics Forecasting
von: Grozavescu, Rares, et al.
Veröffentlicht: (2026)

Autoencoding Conditional Neural Processes for Representation Learning
von: Prokhorov, Victor, et al.
Veröffentlicht: (2023)

Loss Terms and Operator Forms of Koopman Autoencoders
von: Enyeart, Dustin, et al.
Veröffentlicht: (2024)

ResKoopNet: Learning Koopman Representations for Complex Dynamics with Spectral Residuals
von: Xu, Yuanchao, et al.
Veröffentlicht: (2025)

Deep-Graph-Sprints: Accelerated Representation Learning in Continuous-Time Dynamic Graphs
von: Eddin, Ahmad Naser, et al.
Veröffentlicht: (2024)

Augmented Invertible Koopman Autoencoder for long-term time series forecasting
von: Frion, Anthony, et al.
Veröffentlicht: (2025)

Functional Autoencoder for Smoothing and Representation Learning
von: Wu, Sidi, et al.
Veröffentlicht: (2024)

Information Shapes Koopman Representation
von: Cheng, Xiaoyuan, et al.
Veröffentlicht: (2025)

Random Forest Autoencoders for Guided Representation Learning
von: Aumon, Adrien, et al.
Veröffentlicht: (2025)

On the Generalisation of Koopman Representations for Chaotic System Control
von: Hjikakou, Kyriakos, et al.
Veröffentlicht: (2025)

Exploring the Interplay of Interpretability and Robustness in Deep Neural Networks: A Saliency-guided Approach
von: Guesmi, Amira, et al.
Veröffentlicht: (2024)

Neural Koopman prior for data assimilation
von: Frion, Anthony, et al.
Veröffentlicht: (2023)

On Designing Diffusion Autoencoders for Efficient Generation and Representation Learning
von: Proszewska, Magdalena, et al.
Veröffentlicht: (2025)

NeuroKoopman Dynamic Causal Discovery
von: Adesunkanmi, Rahmat, et al.
Veröffentlicht: (2024)

Methodology for Interpretable Reinforcement Learning for Optimizing Mechanical Ventilation
von: Lee, Joo Seung, et al.
Veröffentlicht: (2024)

Effective Dynamics and Transition Pathways from Koopman-Inspired Neural Learning of Collective Variables
von: Sikorski, Alexander, et al.
Veröffentlicht: (2026)

Graph Koopman Autoencoder for Predictive Covert Communication Against UAV Surveillance
von: Krishnan, Sivaram, et al.
Veröffentlicht: (2024)

Robust Representation Learning in Masked Autoencoders
von: Shrivastava, Anika, et al.
Veröffentlicht: (2026)

Interpreting Temporal Graph Neural Networks with Koopman Theory
von: Guerra, Michele, et al.
Veröffentlicht: (2024)

Coupled Transformer Autoencoder for Disentangling Multi-Region Neural Latent Dynamics
von: Sristi, Ram Dyuthi, et al.
Veröffentlicht: (2025)

Evaluating Sparse Autoencoders for Monosemantic Representation
von: Fereidouni, Moghis, et al.
Veröffentlicht: (2025)

Learning Representations from Incomplete EHR Data with Dual-Masked Autoencoding
von: Xiang, Xiao, et al.
Veröffentlicht: (2026)

Enhancing Predictive Capabilities in Data-Driven Dynamical Modeling with Automatic Differentiation: Koopman and Neural ODE Approaches
von: Constante-Amores, C. Ricardo, et al.
Veröffentlicht: (2023)

Dynamical Implicit Neural Representations
von: Park, Yesom, et al.
Veröffentlicht: (2025)

SlepNet: Spectral Subgraph Representation Learning for Neural Dynamics
von: Viswanath, Siddharth, et al.
Veröffentlicht: (2025)

Taking a Moment for Distributional Robustness
von: Hastings, Jabari, et al.
Veröffentlicht: (2024)