Buchumschlag

Optimal Convergence Rates of Deep Neural Network Classifiers

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhang, Zihan, Shi, Lei, Zhou, Ding-Xuan
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

Classification with Deep Neural Networks and Logistic Loss
von: Zhang, Zihan, et al.
Veröffentlicht: (2023)

Super-fast Rates of Convergence for Neural Network Classifiers under the Hard Margin Condition
von: Tepakbong, Nathanael, et al.
Veröffentlicht: (2025)

Optimal Convergence Rates for Neural Operators
von: Nguyen, Mike, et al.
Veröffentlicht: (2024)

Convergence Analysis for Deep Sparse Coding via Convolutional Neural Networks
von: Li, Jianfei, et al.
Veröffentlicht: (2024)

Universal Consistency of Wide and Deep ReLU Neural Networks and Minimax Optimal Convergence Rates for Kolmogorov-Donoho Optimal Function Classes
von: Ko, Hyunouk, et al.
Veröffentlicht: (2024)

Solving PDEs on Spheres with Physics-Informed Convolutional Neural Networks
von: Lei, Guanhang, et al.
Veröffentlicht: (2023)

Two-Dimensional Deep ReLU CNN Approximation for Korobov Functions: A Constructive Approach
von: Fang, Qin, et al.
Veröffentlicht: (2025)

Generalization Guarantees of Gradient Descent for Multi-Layer Neural Networks
von: Wang, Puyu, et al.
Veröffentlicht: (2023)

Smoothness Adaptivity in Constant-Depth Neural Networks: Optimal Rates via Smooth Activations
von: Liu, Yuhao, et al.
Veröffentlicht: (2026)

Deep Neural Network Calibration by Reducing Classifier Shift with Stochastic Masking
von: Ni, Jiani, et al.
Veröffentlicht: (2025)

Model-Free, Regret-Optimal Best Policy Identification in Online CMDPs
von: Zhou, Zihan, et al.
Veröffentlicht: (2023)

Convergence Rates for Distribution Matching with Sliced Optimal Transport
von: Thurin, Gauthier, et al.
Veröffentlicht: (2026)

Optimal Neural Compressors for the Rate-Distortion-Perception Tradeoff
von: Lei, Eric, et al.
Veröffentlicht: (2025)

Optimal Rates for Generalization of Gradient Descent for Deep ReLU Classification
von: Li, Yuanfan, et al.
Veröffentlicht: (2025)

Expressive Power of Deep Networks on Manifolds: Simultaneous Approximation
von: Zhou, Hanfei, et al.
Veröffentlicht: (2025)

Optimal rates of approximation by shallow ReLU$^k$ neural networks and applications to nonparametric regression
von: Yang, Yunfei, et al.
Veröffentlicht: (2023)

Latent Point Collapse on a Low Dimensional Embedding in Deep Neural Network Classifiers
von: Sbailò, Luigi, et al.
Veröffentlicht: (2023)

Improving Generalization of Deep Neural Networks by Optimum Shifting
von: Zhou, Yuyan, et al.
Veröffentlicht: (2024)

Mathematical Modeling and Convergence Analysis of Deep Neural Networks with Dense Layer Connectivities in Deep Learning
von: Huang, Jinshu, et al.
Veröffentlicht: (2025)

On the Rate of Convergence of GD in Non-linear Neural Networks: An Adversarial Robustness Perspective
von: Smorodinsky, Guy, et al.
Veröffentlicht: (2026)

Convergence Analysis for Learning Orthonormal Deep Linear Neural Networks
von: Qin, Zhen, et al.
Veröffentlicht: (2023)

Deep Learning for Computing Convergence Rates of Markov Chains
von: Qu, Yanlin, et al.
Veröffentlicht: (2024)

Global Convergence Rate of Deep Equilibrium Models with General Activations
von: Truong, Lan V.
Veröffentlicht: (2023)

DEM: A Method for Certifying Deep Neural Network Classifier Outputs in Aerospace
von: Katz, Guy, et al.
Veröffentlicht: (2024)

Classifying Overlapping Gaussian Mixtures in High Dimensions: From Optimal Classifiers to Neural Nets
von: Cohen, Khen, et al.
Veröffentlicht: (2024)

Learning Rate Optimization for Deep Neural Networks Using Lipschitz Bandits
von: Priyanka, Padma, et al.
Veröffentlicht: (2024)

Balancing Learning Rates Across Layers: Exact Two-Step Dynamics and Optimal Scaling in Linear Neural Networks
von: Pang, Tianyu, et al.
Veröffentlicht: (2026)

RedTest: Towards Measuring Redundancy in Deep Neural Networks Effectively
von: Lu, Yao, et al.
Veröffentlicht: (2024)

Advancing Training Efficiency of Deep Spiking Neural Networks through Rate-based Backpropagation
von: Yu, Chengting, et al.
Veröffentlicht: (2024)

Minimum Width of Deep Narrow Networks for Universal Approximation
von: Yang, Xiao-Song, et al.
Veröffentlicht: (2025)

ADOPT: Modified Adam Can Converge with Any $β_2$ with the Optimal Rate
von: Taniguchi, Shohei, et al.
Veröffentlicht: (2024)

Weak Physics Informed Neural Networks for Geometry Compatible Hyperbolic Conservation Laws on Manifolds
von: Zhou, Hanfei, et al.
Veröffentlicht: (2025)

Early Directional Convergence in Deep Homogeneous Neural Networks for Small Initializations
von: Kumar, Akshay, et al.
Veröffentlicht: (2024)

Hybrid Quantum Neural Networks with Amplitude Encoding: Advancing Recovery Rate Predictions
von: Chen, Ying, et al.
Veröffentlicht: (2025)

On Model Compression for Neural Networks: Framework, Algorithm, and Convergence Guarantee
von: Li, Chenyang, et al.
Veröffentlicht: (2023)

SGD with Partial Hessian for Deep Neural Networks Optimization
von: Sun, Ying, et al.
Veröffentlicht: (2024)

Unregularized Linear Convergence in Zero-Sum Game from Preference Feedback
von: Chen, Shulun, et al.
Veröffentlicht: (2025)

Complexity-Aware Training of Deep Neural Networks for Optimal Structure Discovery
von: Guenter, Valentin Frank Ingmar, et al.
Veröffentlicht: (2024)

On the Convergence of Federated Averaging under Partial Participation for Over-parameterized Neural Networks
von: Liu, Xin, et al.
Veröffentlicht: (2023)

Fast and Multiphase Rates for Nearest Neighbor Classifiers
von: Yang, Pengkun, et al.
Veröffentlicht: (2023)