Tracing the Path to Grokking: Embeddings, Dropout, and Network Activation
Fuente:
arXiv
Guardado en:
| Autores principales: | Salah, Ahmed, Yevick, David |
|---|---|
| Formato: | Preprint |
| Publicado: |
2025
|
| Materias: | |
| Acceso en línea: | |
| Etiquetas: |
Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!
|
Ejemplares similares
Controlling Grokking with Nonlinearity and Data Symmetry
por: Salah, Ahmed, et al.
Publicado: (2024)
por: Salah, Ahmed, et al.
Publicado: (2024)
Branched Variational Autoencoder Classifiers
por: Salah, Ahmed, et al.
Publicado: (2024)
por: Salah, Ahmed, et al.
Publicado: (2024)
Topological Signatures of Grokking
por: Tang, Yifan, et al.
Publicado: (2026)
por: Tang, Yifan, et al.
Publicado: (2026)
Activation by Interval-wise Dropout: A Simple Way to Prevent Neural Networks from Plasticity Loss
por: Park, Sangyeon, et al.
Publicado: (2025)
por: Park, Sangyeon, et al.
Publicado: (2025)
Localising Dropout Variance in Twin Networks
por: Doyle, Cooper
Publicado: (2025)
por: Doyle, Cooper
Publicado: (2025)
Ray-Tracing for Conditionally Activated Neural Networks
por: Gallicchio, Claudio, et al.
Publicado: (2025)
por: Gallicchio, Claudio, et al.
Publicado: (2025)
Grokking Explained: A Statistical Phenomenon
por: Carvalho, Breno W., et al.
Publicado: (2025)
por: Carvalho, Breno W., et al.
Publicado: (2025)
Grokking in Linear Models for Logistic Regression
por: Das, Nataraj, et al.
Publicado: (2026)
por: Das, Nataraj, et al.
Publicado: (2026)
Feature Repulsion and Spectral Lock-in: An Empirical Study of Two-Layer Network Grokking
por: Xu, Yongzhong
Publicado: (2026)
por: Xu, Yongzhong
Publicado: (2026)
Nonlinearity Enhanced Adaptive Activation Functions
por: Yevick, David
Publicado: (2024)
por: Yevick, David
Publicado: (2024)
Grokfast: Accelerated Grokking by Amplifying Slow Gradients
por: Lee, Jaerin, et al.
Publicado: (2024)
por: Lee, Jaerin, et al.
Publicado: (2024)
Understanding Grokking Through A Robustness Viewpoint
por: Tan, Zhiquan, et al.
Publicado: (2023)
por: Tan, Zhiquan, et al.
Publicado: (2023)
Progress Measures for Grokking on Real-world Tasks
por: Golechha, Satvik
Publicado: (2024)
por: Golechha, Satvik
Publicado: (2024)
The Geometry of Grokking: Norm Minimization on the Zero-Loss Manifold
por: Musat, Tiberiu
Publicado: (2025)
por: Musat, Tiberiu
Publicado: (2025)
NeuralGrok: Accelerate Grokking by Neural Gradient Transformation
por: Zhou, Xinyu, et al.
Publicado: (2025)
por: Zhou, Xinyu, et al.
Publicado: (2025)
Low-Dimensional and Transversely Curved Optimization Dynamics in Grokking
por: Xu, Yongzhong
Publicado: (2026)
por: Xu, Yongzhong
Publicado: (2026)
Muon Optimizer Accelerates Grokking
por: Tveit, Amund, et al.
Publicado: (2025)
por: Tveit, Amund, et al.
Publicado: (2025)
Grokking Finite-Dimensional Algebra
por: Notsawo, Pascal Jr Tikeng, et al.
Publicado: (2026)
por: Notsawo, Pascal Jr Tikeng, et al.
Publicado: (2026)
Grokking Group Multiplication with Cosets
por: Stander, Dashiell, et al.
Publicado: (2023)
por: Stander, Dashiell, et al.
Publicado: (2023)
Grokking and Generalization Collapse: Insights from \texttt{HTSR} theory
por: Prakash, Hari K., et al.
Publicado: (2025)
por: Prakash, Hari K., et al.
Publicado: (2025)
Early-Warning Signals of Grokking via Loss-Landscape Geometry
por: Xu, Yongzhong
Publicado: (2026)
por: Xu, Yongzhong
Publicado: (2026)
Grokking as Structural Inference: Transformers Need Bayesian Lottery Tickets
por: Hidajat, Kai, et al.
Publicado: (2026)
por: Hidajat, Kai, et al.
Publicado: (2026)
Scale-Dropout: Estimating Uncertainty in Deep Neural Networks Using Stochastic Scale
por: Ahmed, Soyed Tuhin, et al.
Publicado: (2023)
por: Ahmed, Soyed Tuhin, et al.
Publicado: (2023)
Provable Scaling Laws of Feature Emergence from Learning Dynamics of Grokking
por: Tian, Yuandong
Publicado: (2025)
por: Tian, Yuandong
Publicado: (2025)
Acceleration of Grokking in Learning Arithmetic Operations via Kolmogorov-Arnold Representation
por: Park, Yeachan, et al.
Publicado: (2024)
por: Park, Yeachan, et al.
Publicado: (2024)
Explainable Artificial Intelligence Techniques for Accurate Fault Detection and Diagnosis: A Review
por: Maged, Ahmed, et al.
Publicado: (2024)
por: Maged, Ahmed, et al.
Publicado: (2024)
Grokking as a Falsifiable Finite-Size Transition
por: Bi, Yuda, et al.
Publicado: (2026)
por: Bi, Yuda, et al.
Publicado: (2026)
Dichotomy of Early and Late Phase Implicit Biases Can Provably Induce Grokking
por: Lyu, Kaifeng, et al.
Publicado: (2023)
por: Lyu, Kaifeng, et al.
Publicado: (2023)
Two Speeds of Learning: A Representation-Readout Decomposition of Grokking and Double Descent
por: Chou, Chi-Ning, et al.
Publicado: (2026)
por: Chou, Chi-Ning, et al.
Publicado: (2026)
Towards Empirical Interpretation of Internal Circuits and Properties in Grokked Transformers on Modular Polynomials
por: Furuta, Hiroki, et al.
Publicado: (2024)
por: Furuta, Hiroki, et al.
Publicado: (2024)
NeuFair: Neural Network Fairness Repair with Dropout
por: Dasu, Vishnu Asutosh, et al.
Publicado: (2024)
por: Dasu, Vishnu Asutosh, et al.
Publicado: (2024)
The Norm-Separation Delay Law of Grokking: A First-Principles Theory of Delayed Generalization
por: Khanh, Truong Xuan, et al.
Publicado: (2026)
por: Khanh, Truong Xuan, et al.
Publicado: (2026)
The Geometry of Multi-Task Grokking: Transverse Instability, Superposition, and Weight Decay Phase Structure
por: Xu, Yongzhong
Publicado: (2026)
por: Xu, Yongzhong
Publicado: (2026)
Grokking as a Variance-Limited Phase Transition: Spectral Gating and the Epsilon-Stability Threshold
por: Acharya, Pratyush, et al.
Publicado: (2026)
por: Acharya, Pratyush, et al.
Publicado: (2026)
Grokking at the Edge of Numerical Stability
por: Prieto, Lucas, et al.
Publicado: (2025)
por: Prieto, Lucas, et al.
Publicado: (2025)
PathE: Leveraging Entity-Agnostic Paths for Parameter-Efficient Knowledge Graph Embeddings
por: Reklos, Ioannis, et al.
Publicado: (2025)
por: Reklos, Ioannis, et al.
Publicado: (2025)
First-Passage Prediction of Grokking Delay: ACalibrated Law under AdamW with Causal Validation
por: Khanh, Truong Xuan, et al.
Publicado: (2026)
por: Khanh, Truong Xuan, et al.
Publicado: (2026)
Grokking Beyond the Euclidean Norm of Model Parameters
por: Notsawo, Pascal Jr Tikeng, et al.
Publicado: (2025)
por: Notsawo, Pascal Jr Tikeng, et al.
Publicado: (2025)
Neural Network Characterization and Entropy Regulated Data Balancing through Principal Component Analysis
por: Yevick, David, et al.
Publicado: (2023)
por: Yevick, David, et al.
Publicado: (2023)
Grokking vs. Learning: Same Features, Different Encodings
por: Manning-Coe, Dmitry, et al.
Publicado: (2025)
por: Manning-Coe, Dmitry, et al.
Publicado: (2025)
Ejemplares similares
-
Controlling Grokking with Nonlinearity and Data Symmetry
por: Salah, Ahmed, et al.
Publicado: (2024) -
Branched Variational Autoencoder Classifiers
por: Salah, Ahmed, et al.
Publicado: (2024) -
Topological Signatures of Grokking
por: Tang, Yifan, et al.
Publicado: (2026) -
Activation by Interval-wise Dropout: A Simple Way to Prevent Neural Networks from Plasticity Loss
por: Park, Sangyeon, et al.
Publicado: (2025) -
Localising Dropout Variance in Twin Networks
por: Doyle, Cooper
Publicado: (2025)