Buchumschlag

DeepRTE: Pre-trained Attention-based Neural Network for Radiative Transfer

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhu, Yekun, Tang, Min, Ma, Zheng
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

Think in Blocks: Adaptive Reasoning from Direct Response to Deep Reasoning
von: Zhu, Yekun, et al.
Veröffentlicht: (2025)

Enhanced Pre-training of Graph Neural Networks for Million-Scale Heterogeneous Graphs
von: Sun, Shengyin, et al.
Veröffentlicht: (2025)

Advancing the Understanding of Fixed Point Iterations in Deep Neural Networks: A Detailed Analytical Study
von: Ke, Yekun, et al.
Veröffentlicht: (2024)

A Graph Laplacian Eigenvector-based Pre-training Method for Graph Neural Networks
von: Dai, Howard, et al.
Veröffentlicht: (2025)

DeepRV: Accelerating Spatiotemporal Inference with Pre-trained Neural Priors
von: Navott, Jhonathan, et al.
Veröffentlicht: (2025)

Neural Dynamics-Informed Pre-trained Framework for Personalized Brain Functional Network Construction
von: Jiang, Hongjie, et al.
Veröffentlicht: (2026)

GraphControl: Adding Conditional Control to Universal Graph Pre-trained Models for Graph Domain Transfer Learning
von: Zhu, Yun, et al.
Veröffentlicht: (2023)

Deep Fusion: Efficient Network Training via Pre-trained Initializations
von: Mazzawi, Hanna, et al.
Veröffentlicht: (2023)

On Improving Graph Neural Networks for QSAR by Pre-training on Extended-Connectivity Fingerprints
von: Money-Kyrle, Sam, et al.
Veröffentlicht: (2026)

Epistemic Uncertainty Quantification For Pre-trained Neural Network
von: Wang, Hanjing, et al.
Veröffentlicht: (2024)

Attention-based Deep Neural Networks for Battery Discharge Capacity Forecasting
von: Zhang, Yadong, et al.
Veröffentlicht: (2022)

Conformalized Prediction of Post-Fault Voltage Trajectories Using Pre-trained and Finetuned Attention-Driven Neural Operators
von: Mollaali, Amirhossein, et al.
Veröffentlicht: (2024)

Pre-training Graph Neural Networks with Structural Fingerprints for Materials Discovery
von: Jia, Shuyi, et al.
Veröffentlicht: (2025)

Pre-trained Tabular Foundation Models as Versatile Summary Networks for Neural Posterior Estimation
von: Pickens, Elliot, et al.
Veröffentlicht: (2026)

Delayed Bottlenecking: Alleviating Forgetting in Pre-trained Graph Neural Networks
von: Zhao, Zhe, et al.
Veröffentlicht: (2024)

SpikeGPT: Generative Pre-trained Language Model with Spiking Neural Networks
von: Zhu, Rui-Jie, et al.
Veröffentlicht: (2023)

Towards Pre-trained Graph Condensation via Optimal Transport
von: Yan, Yeyu, et al.
Veröffentlicht: (2025)

Transfer Learning with Pre-trained Conditional Generative Models
von: Yamaguchi, Shin'ya, et al.
Veröffentlicht: (2022)

To Stay or Not to Stay in the Pre-train Basin: Insights on Ensembling in Transfer Learning
von: Sadrtdinov, Ildus, et al.
Veröffentlicht: (2023)

Spatial-Temporal-Decoupled Masked Pre-training for Spatiotemporal Forecasting
von: Gao, Haotian, et al.
Veröffentlicht: (2023)

Learn or Recall? Revisiting Incremental Learning with Pre-trained Language Models
von: Zheng, Junhao, et al.
Veröffentlicht: (2023)

Text Classification: Neural Networks VS Machine Learning Models VS Pre-trained Models
von: Petridis, Christos
Veröffentlicht: (2024)

Provable Differentially Private Computation of the Cross-Attention Mechanism
von: Ke, Yekun, et al.
Veröffentlicht: (2024)

Blood Glucose Control Via Pre-trained Counterfactual Invertible Neural Networks
von: Jiang, Jingchi, et al.
Veröffentlicht: (2024)

Curse of Attention: A Kernel-Based Perspective for Why Transformers Fail to Generalize on Time Series Forecasting and Beyond
von: Ke, Yekun, et al.
Veröffentlicht: (2024)

DPAdapter: Improving Differentially Private Deep Learning through Noise Tolerance Pre-training
von: Wang, Zihao, et al.
Veröffentlicht: (2024)

Cross-Domain Pre-training with Language Models for Transferable Time Series Representations
von: Cheng, Mingyue, et al.
Veröffentlicht: (2024)

Structural Pruning of Pre-trained Language Models via Neural Architecture Search
von: Klein, Aaron, et al.
Veröffentlicht: (2024)

PAODING: A High-fidelity Data-free Pruning Toolkit for Debloating Pre-trained Neural Networks
von: Meng, Mark Huasong, et al.
Veröffentlicht: (2024)

QKCV Attention: Enhancing Time Series Forecasting with Static Categorical Embeddings for Both Lightweight and Pre-trained Foundation Models
von: Wang, Hao, et al.
Veröffentlicht: (2025)

Search to Fine-tune Pre-trained Graph Neural Networks for Graph-level Tasks
von: Wang, Zhili, et al.
Veröffentlicht: (2023)

EvolKV: Evolutionary KV Cache Compression for LLM Inference
von: Yu, Bohan, et al.
Veröffentlicht: (2025)

Stylized Structural Patterns for Improved Neural Network Pre-training
von: Salehi, Farnood, et al.
Veröffentlicht: (2025)

PreRoutGNN for Timing Prediction with Order Preserving Partition: Global Circuit Pre-training, Local Delay Learning and Attentional Cell Modeling
von: Zhong, Ruizhe, et al.
Veröffentlicht: (2024)

Provable Benefits of Unsupervised Pre-training and Transfer Learning via Single-Index Models
von: Jones-McCormick, Taj, et al.
Veröffentlicht: (2025)

SOPHON: Non-Fine-Tunable Learning to Restrain Task Transferability For Pre-trained Models
von: Deng, Jiangyi, et al.
Veröffentlicht: (2024)

GP2F: Cross-Domain Graph Prompting with Adaptive Fusion of Pre-trained Graph Neural Networks
von: He, Dongxiao, et al.
Veröffentlicht: (2026)

PreNeT: Leveraging Computational Features to Predict Deep Neural Network Training Time
von: Pourali, Alireza, et al.
Veröffentlicht: (2024)

Deep Pulse-Coupled Neural Networks
von: Yi, Zexiang, et al.
Veröffentlicht: (2023)

Spatio-temporal Attention-based Hidden Physics-informed Neural Network for Remaining Useful Life Prediction
von: Jiang, Feilong, et al.
Veröffentlicht: (2024)