Buchumschlag

A comparative analysis of a neural network with calculated weights and a neural network with random generation of weights based on the training dataset size

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Geidarov, Polad
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

Experiment on creating a neural network with weights determined by the potential of a simulated electrostatic field
von: Polad, Geidarov
Veröffentlicht: (2025)

Neural networks with image recognition by pairs
von: Geidarov, Polad
Veröffentlicht: (2025)

Analytical Calculation of Weights Convolutional Neural Network
von: Geidarov, Polad
Veröffentlicht: (2025)

Do deep neural networks utilize the weight space efficiently?
von: Koyun, Onur Can, et al.
Veröffentlicht: (2024)

Self-adaptive weights based on balanced residual decay rate for physics-informed neural networks and deep operator networks
von: Chen, Wenqian, et al.
Veröffentlicht: (2024)

Self-adaptive weighting and sampling for physics-informed neural networks
von: Chen, Wenqian, et al.
Veröffentlicht: (2025)

Linearity-based neural network compression
von: Dobler, Silas, et al.
Veröffentlicht: (2025)

Confidence-gated training for efficient early-exit neural networks
von: Mokssit, Saad, et al.
Veröffentlicht: (2025)

Adaptive multiple optimal learning factors for neural network training
von: Challagundla, Jeshwanth
Veröffentlicht: (2024)

Simmering: Sufficient is better than optimal for training neural networks
von: Babayan, Irina, et al.
Veröffentlicht: (2024)

Multi-layer random features and the approximation power of neural networks
von: Takhanov, Rustem
Veröffentlicht: (2024)

Target noise: A pre-training based neural network initialization for efficient high resolution learning
von: Wang, Shaowen, et al.
Veröffentlicht: (2026)

Sobolev acceleration for neural networks
von: Oh, Jong Kwon, et al.
Veröffentlicht: (2025)

On permutation-invariant neural networks
von: Kimura, Masanari, et al.
Veröffentlicht: (2024)

Attention mechanisms in neural networks
von: Hays, Hasi
Veröffentlicht: (2026)

Variational autoencoder-based neural network model compression
von: Cheng, Liang, et al.
Veröffentlicht: (2024)

From paintbrush to pixel: A review of deep neural networks in AI-generated art
von: Maerten, Anne-Sofie, et al.
Veröffentlicht: (2023)

Principles of Lipschitz continuity in neural networks
von: Luo, Róisín
Veröffentlicht: (2026)

Planning in a recurrent neural network that plays Sokoban
von: Taufeeque, Mohammad, et al.
Veröffentlicht: (2024)

Bayesian neural networks via MCMC: a Python-based tutorial
von: Chandra, Rohitash, et al.
Veröffentlicht: (2023)

Applying graph neural network to SupplyGraph for supply chain network
von: Han, Kihwan
Veröffentlicht: (2024)

Understanding the dynamics of the frequency bias in neural networks
von: Molina, Juan, et al.
Veröffentlicht: (2024)

Graph neural networks informed locally by thermodynamics
von: Tierz, Alicia, et al.
Veröffentlicht: (2024)

Graph neural networks and non-commuting operators
von: Velasco, Mauricio, et al.
Veröffentlicht: (2024)

LayerCollapse: Adaptive compression of neural networks
von: Shabgahi, Soheil Zibakhsh, et al.
Veröffentlicht: (2023)

Randomness and signal propagation in physics-informed neural networks (PINNs): A neural PDE perspective
von: Tucny, Jean-Michel, et al.
Veröffentlicht: (2025)

Stacking-based deep neural network for player scouting in football 1
von: Lacan, Simon
Veröffentlicht: (2024)

Integrating Bayesian methods with neural network--based model predictive control: a review
von: Karacelik, Asli
Veröffentlicht: (2025)

Astral: training physics-informed neural networks with error majorants
von: Fanaskov, Vladimir, et al.
Veröffentlicht: (2024)

Kinematic analysis of structural mechanics based on convolutional neural network
von: Zhang, Leye, et al.
Veröffentlicht: (2024)

Development of a graph neural network surrogate for travel demand modelling
von: Makarov, Nikita, et al.
Veröffentlicht: (2024)

Concealed Adversarial attacks on neural networks for sequential data
von: Sokerin, Petr, et al.
Veröffentlicht: (2025)

Dopamine-driven synaptic credit assignment in neural networks
von: Nambusubramaniyan, Saranraj, et al.
Veröffentlicht: (2025)

Elimination-compensation pruning for fully-connected neural networks
von: Ballini, Enrico, et al.
Veröffentlicht: (2026)

Understanding polysemanticity in neural networks through coding theory
von: Marshall, Simon C., et al.
Veröffentlicht: (2024)

Conditional computation in neural networks: principles and research trends
von: Scardapane, Simone, et al.
Veröffentlicht: (2024)

Deep neural networks have an inbuilt Occam's razor
von: Mingard, Chris, et al.
Veröffentlicht: (2023)

Utilizing Lyapunov Exponents in designing deep neural networks
von: Mittra, Tirthankar
Veröffentlicht: (2024)

Grey-informed neural network for time-series forecasting
von: Xie, Wanli, et al.
Veröffentlicht: (2024)

A constraints-based approach to fully interpretable neural networks for detecting learner behaviors
von: Pinto, Juan D., et al.
Veröffentlicht: (2025)