Buchumschlag

DFReg: A Physics-Inspired Framework for Global Weight Distribution Regularization in Neural Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Ruggieri, Giovanni
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

PENEX: AdaBoost-Inspired Neural Network Regularization
von: Kladny, Klaus-Rudolf, et al.
Veröffentlicht: (2025)

Deep Neural Network Benchmarks for Selective Classification
von: Pugnana, Andrea, et al.
Veröffentlicht: (2024)

Bio-Inspired Adaptive Neurons for Dynamic Weighting in Artificial Neural Networks
von: Islam, Ashhadul, et al.
Veröffentlicht: (2024)

Bhargava Cube--Inspired Quadratic Regularization for Structured Neural Embeddings
von: Sairam, S, et al.
Veröffentlicht: (2025)

Physics-Inspired Binary Neural Networks: Interpretable Compression with Theoretical Guarantees
von: Eamaz, Arian, et al.
Veröffentlicht: (2025)

HKT: A Biologically Inspired Framework for Modular Hereditary Knowledge Transfer in Neural Networks
von: Tchenko, Yanick Chistian, et al.
Veröffentlicht: (2025)

Implicit Regularization Paths of Weighted Neural Representations
von: Du, Jin-Hong, et al.
Veröffentlicht: (2024)

A Self-Ensemble Inspired Approach for Effective Training of Binary-Weight Spiking Neural Networks
von: Meng, Qingyan, et al.
Veröffentlicht: (2025)

Deep Neural Networks are Adaptive to Function Regularity and Data Distribution in Approximation and Estimation
von: Liu, Hao, et al.
Veröffentlicht: (2024)

Posterior Bayesian Neural Networks with Dependent Weights
von: Apollonio, Nicola, et al.
Veröffentlicht: (2025)

A Physics-Inspired Optimizer: Velocity Regularized Adam
von: Vaidhyanathan, Pranav, et al.
Veröffentlicht: (2025)

Pruning Deep Neural Networks via a Combination of the Marchenko-Pastur Distribution and Regularization
von: Berlyand, Leonid, et al.
Veröffentlicht: (2025)

Weight-Sharing Regularization
von: Shakerinava, Mehran, et al.
Veröffentlicht: (2023)

Global Minimizers of $\ell^p$-Regularized Objectives Yield the Sparsest ReLU Neural Networks
von: Nakhleh, Julia, et al.
Veröffentlicht: (2025)

Artificial Geographically Weighted Neural Network: A Novel Framework for Spatial Analysis with Geographically Weighted Layers
von: Cao, Jianfei, et al.
Veröffentlicht: (2025)

Link Prediction with Physics-Inspired Graph Neural Networks
von: Di Francesco, Andrea Giuseppe, et al.
Veröffentlicht: (2024)

A New Framework to Analyse the Distributional Robustness of Deep Neural Networks
von: Khaitan, Divij, et al.
Veröffentlicht: (2026)

A Causal Framework for Evaluating Deferring Systems
von: Palomba, Filippo, et al.
Veröffentlicht: (2024)

Efficient Graph Coloring with Neural Networks: A Physics-Inspired Approach for Large Graphs
von: Colantonio, Lorenzo, et al.
Veröffentlicht: (2024)

No More DeLuLu: Physics-Inspired Kernel Networks for Geometrically-Grounded Neural Computation
von: Bouhsine, Taha
Veröffentlicht: (2026)

Behavior-Inspired Neural Networks for Relational Inference
von: Yang, Yulong, et al.
Veröffentlicht: (2024)

Data Diversity as Implicit Regularization: How Does Diversity Shape the Weight Space of Deep Neural Networks?
von: Ba, Yang, et al.
Veröffentlicht: (2024)

HDNet: Physics-Inspired Neural Network for Flow Estimation based on Helmholtz Decomposition
von: Qi, Miao, et al.
Veröffentlicht: (2024)

MPD-SGR: Robust Spiking Neural Networks with Membrane Potential Distribution-Driven Surrogate Gradient Regularization
von: Jiang, Runhao, et al.
Veröffentlicht: (2025)

Saliency-Aware Regularized Graph Neural Network
von: Pei, Wenjie, et al.
Veröffentlicht: (2024)

Inverse Evolution Layers: Physics-informed Regularizers for Deep Neural Networks
von: Liu, Chaoyu, et al.
Veröffentlicht: (2023)

Counterfactual Situation Testing: From Single to Multidimensional Discrimination
von: Alvarez, Jose M., et al.
Veröffentlicht: (2025)

Hypergraph Neural Diffusion: A PDE-Inspired Framework for Hypergraph Message Passing
von: Zhou, Zhiheng, et al.
Veröffentlicht: (2026)

Mutatis Mutandis: Revisiting the Comparator in Discrimination Testing
von: Alvarez, Jose M., et al.
Veröffentlicht: (2024)

Hard and Soft EM in Bayesian Network Learning from Incomplete Data
von: Ruggieri, Andrea, et al.
Veröffentlicht: (2020)

Bio-Inspired Artificial Neural Networks based on Predictive Coding
von: Casnici, Davide, et al.
Veröffentlicht: (2025)

On The Temporal Domain of Differential Equation Inspired Graph Neural Networks
von: Eliasof, Moshe, et al.
Veröffentlicht: (2024)

Causally Inspired Regularization Enables Domain General Representations
von: Salaudeen, Olawale, et al.
Veröffentlicht: (2024)

On the Effectiveness of Random Weights in Graph Neural Networks
von: Bui, Thu, et al.
Veröffentlicht: (2025)

Weight-Space Linear Recurrent Neural Networks
von: Nzoyem, Roussel Desmond, et al.
Veröffentlicht: (2025)

Simultaneous Weight and Architecture Optimization for Neural Networks
von: Huang, Zitong, et al.
Veröffentlicht: (2024)

Neural Networks With Dense Weights Are Not Universal Approximators
von: Rauchwerger, Levi, et al.
Veröffentlicht: (2026)

Epi$^2$-Net: Advancing Epidemic Dynamics Forecasting with Physics-Inspired Neural Networks
von: Sun, Rui, et al.
Veröffentlicht: (2025)

Efficient Global-Local Fusion Sampling for Physics-Informed Neural Networks
von: Luo, Jiaqi, et al.
Veröffentlicht: (2025)

Lattice-based Deep Neural Networks: Regularity and Tailored Regularization
von: Keller, Alexander, et al.
Veröffentlicht: (2026)