Buchumschlag

Softlog-Softmax Layers and Divergences Contribute to a Computationally Dependable Ensemble Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Atto, Abdourrahmane Mahamane
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

Time Distributed Deep Learning Models for Purely Exogenous Forecasting: Application to Water Table Depth Prediction using Weather Image Time Series
von: Salis, Matteo, et al.
Veröffentlicht: (2024)

Pure and Physics-Guided Deep Learning Solutions for Spatio-Temporal Groundwater Level Prediction at Arbitrary Locations
von: Salis, Matteo, et al.
Veröffentlicht: (2026)

Adaptive Sparse Softmax: An Effective and Efficient Softmax Variant
von: Lv, Qi, et al.
Veröffentlicht: (2025)

Reusing Softmax Hardware Unit for GELU Computation in Transformers
von: Peltekis, Christodoulos, et al.
Veröffentlicht: (2024)

Smooth SCAD: A Raised Cosine SCAD Type Thresholding Rule for Wavelet Denoising
von: Kulkarni, Radhika, et al.
Veröffentlicht: (2026)

Hardware-Efficient Softmax and Layer Normalization with Guaranteed Normalization for Edge Devices
von: Choi, Dawon, et al.
Veröffentlicht: (2026)

Online Continual Learning via Logit Adjusted Softmax
von: Huang, Zhehao, et al.
Veröffentlicht: (2023)

Implicit Regularization of Gradient Flow on One-Layer Softmax Attention
von: Sheen, Heejune, et al.
Veröffentlicht: (2024)

To Softmax, or not to Softmax: that is the question when applying Active Learning for Transformer Models
von: Gonsior, Julius, et al.
Veröffentlicht: (2022)

Softmax as a Lagrangian-Legendrian Seam
von: Lee-Jenkins, Christopher R.
Veröffentlicht: (2025)

Is Softmax Loss All You Need? A Principled Analysis of Softmax-family Loss
von: Pu, Yuanhao, et al.
Veröffentlicht: (2026)

Vertex-Softmax: Tight Transformer Verification via Exact Softmax Optimization
von: Rezazadeh, Navid, et al.
Veröffentlicht: (2026)

SOLE: Hardware-Software Co-design of Softmax and LayerNorm for Efficient Transformer Inference
von: Wang, Wenxun, et al.
Veröffentlicht: (2025)

Beyond Linear Attention: Softmax Transformers Implement In-Context Reinforcement Learning
von: Xie, Zixuan, et al.
Veröffentlicht: (2026)

A Boundary-Layer Mechanism for One-Third Scaling in Online Softmax Classification
von: Kühn, Marcel, et al.
Veröffentlicht: (2026)

Scalable Hyperparameter-Divergent Ensemble Training with Automatic Learning Rate Exploration for Large Models
von: Cheng, Hailing, et al.
Veröffentlicht: (2026)

Divergent Ensemble Networks: Enhancing Uncertainty Estimation with Shared Representations and Independent Branching
von: Kharbanda, Arnav, et al.
Veröffentlicht: (2024)

Learning Theory of Transformers: Local-to-Global Approximation via Softmax Partition of Unity
von: Shi, Zhongjie, et al.
Veröffentlicht: (2026)

Universal Approximation with Softmax Attention
von: Hu, Jerry Yao-Chieh, et al.
Veröffentlicht: (2025)

Gumbel-MPNN: Graph Rewiring with Gumbel-Softmax
von: Hoffmann, Marcel, et al.
Veröffentlicht: (2025)

Convergence Rates for Softmax Gating Mixture of Experts
von: Nguyen, Huy, et al.
Veröffentlicht: (2025)

NDCG-Consistent Softmax Approximation with Accelerated Convergence
von: Pu, Yuanhao, et al.
Veröffentlicht: (2025)

CGF-Softmax: A Cumulant-Based Softmax Reformulation for Efficient Inference under Homomorphic Encryption
von: Park, Hanjun, et al.
Veröffentlicht: (2026)

Minimalist Softmax Attention Provably Learns Constrained Boolean Functions
von: Hu, Jerry Yao-Chieh, et al.
Veröffentlicht: (2025)

Towards Understanding Layer Contributions in Tabular In-Context Learning Models
von: Balef, Amir Rezaei, et al.
Veröffentlicht: (2025)

On Minimax Estimation of Parameters in Softmax-Contaminated Mixture of Experts
von: Yan, Fanqi, et al.
Veröffentlicht: (2025)

Softpick: No Attention Sink, No Massive Activations with Rectified Softmax
von: Zuhri, Zayd M. K., et al.
Veröffentlicht: (2025)

On Least Square Estimation in Softmax Gating Mixture of Experts
von: Nguyen, Huy, et al.
Veröffentlicht: (2024)

Is Temperature Sample Efficient for Softmax Gaussian Mixture of Experts?
von: Nguyen, Huy, et al.
Veröffentlicht: (2024)

VEXP: A Low-Cost RISC-V ISA Extension for Accelerated Softmax Computation in Transformers
von: Wang, Run, et al.
Veröffentlicht: (2025)

Softmax is not Enough (for Adaptive Conformal Classification)
von: Attar, Navid Akhavan, et al.
Veröffentlicht: (2026)

Batch Ensemble for Variance Dependent Regret in Stochastic Bandits
von: Cassel, Asaf, et al.
Veröffentlicht: (2024)

LOTOS: Layer-wise Orthogonalization for Training Robust Ensembles
von: Ebrahimpour-Boroojeny, Ali, et al.
Veröffentlicht: (2024)

Scalable-Softmax Is Superior for Attention
von: Nakanishi, Ken M.
Veröffentlicht: (2025)

On the Expressiveness of Softmax Attention: A Recurrent Neural Network Perspective
von: Mongaras, Gabriel, et al.
Veröffentlicht: (2025)

Beyond Softmax: A Natural Parameterization for Categorical Random Variables
von: Manenti, Alessandro, et al.
Veröffentlicht: (2025)

Customizing the Inductive Biases of Softmax Attention using Structured Matrices
von: Kuang, Yilun, et al.
Veröffentlicht: (2025)

Binary Hypothesis Testing for Softmax Models and Leverage Score Models
von: Gu, Yuzhou, et al.
Veröffentlicht: (2024)

A Lyapunov Analysis of Softmax Policy Gradient for Stochastic Bandits
von: Lattimore, Tor
Veröffentlicht: (2026)

In-Context Learning with Transformers: Softmax Attention Adapts to Function Lipschitzness
von: Collins, Liam, et al.
Veröffentlicht: (2024)