Buchumschlag

Riemannian Batch Normalization: A Gyro Approach

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chen, Ziheng, Wu, Xiao-Jun, Schölkopf, Bernhard, Sebe, Nicu
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

A Lie Group Approach to Riemannian Batch Normalization
von: Chen, Ziheng, et al.
Veröffentlicht: (2024)

Riemannian Networks over Full-Rank Correlation Matrices
von: Chen, Ziheng, et al.
Veröffentlicht: (2026)

Hyperbolic Busemann Neural Networks
von: Chen, Ziheng, et al.
Veröffentlicht: (2026)

Intrinsic Lorentz Neural Network
von: Shi, Xianglong, et al.
Veröffentlicht: (2026)

RMLR: Extending Multinomial Logistic Regression into General Geometries
von: Chen, Ziheng, et al.
Veröffentlicht: (2024)

Understanding Matrix Function Normalizations in Covariance Pooling through the Lens of Riemannian Geometry
von: Chen, Ziheng, et al.
Veröffentlicht: (2024)

Discriminative Anchor Learning for Efficient Multi-view Clustering
von: Qin, Yalan, et al.
Veröffentlicht: (2024)

Fast and Stable Riemannian Metrics on SPD Manifolds via Cholesky Product Geometry
von: Chen, Ziheng, et al.
Veröffentlicht: (2024)

A Probabilistic Model Behind Self-Supervised Learning
von: Bizeul, Alice, et al.
Veröffentlicht: (2024)

An Efficient Learning-based Solver Comparable to Metaheuristics for the Capacitated Arc Routing Problem
von: Guo, Runze, et al.
Veröffentlicht: (2024)

Making Batch Normalization Great in Federated Deep Learning
von: Zhong, Jike, et al.
Veröffentlicht: (2023)

Riemannian Multinomial Logistics Regression for SPD Neural Networks
von: Chen, Ziheng, et al.
Veröffentlicht: (2023)

Causality can systematically address the monsters under the bench(marks)
von: Leeb, Felix, et al.
Veröffentlicht: (2025)

Out-of-Variable Generalization for Discriminative Models
von: Guo, Siyuan, et al.
Veröffentlicht: (2023)

Computational Arbitrage in AI Model Markets
von: Olmedo, Ricardo, et al.
Veröffentlicht: (2026)

Batch Normalization Amplifies Memorization and Privacy Risks
von: Doan, Ngoc Phu, et al.
Veröffentlicht: (2026)

Conformal Generative Modeling with Improved Sample Efficiency through Sequential Greedy Filtering
von: Kladny, Klaus-Rudolf, et al.
Veröffentlicht: (2024)

Scaling Off-Policy Reinforcement Learning with Batch and Weight Normalization
von: Palenicek, Daniel, et al.
Veröffentlicht: (2025)

StableGrad: Backward Scale Control without Batch Normalization
von: Mestre, Jose I., et al.
Veröffentlicht: (2026)

Preference Elicitation for Offline Reinforcement Learning
von: Pace, Alizée, et al.
Veröffentlicht: (2024)

The Devil Is in Gradient Entanglement: Energy-Aware Gradient Coordinator for Robust Generalized Category Discovery
von: Zheng, Haiyang, et al.
Veröffentlicht: (2026)

Provable Privacy with Non-Private Pre-Processing
von: Hu, Yaxi, et al.
Veröffentlicht: (2024)

Identifying Intervenable and Interpretable Features via Orthogonality Regularization
von: Miller, Moritz, et al.
Veröffentlicht: (2026)

GyroSwin: 5D Surrogates for Gyrokinetic Plasma Turbulence Simulations
von: Paischer, Fabian, et al.
Veröffentlicht: (2025)

Stargazer: A Scalable Model-Fitting Benchmark Environment for AI Agents under Astrophysical Constraints
von: Liu, Xinge, et al.
Veröffentlicht: (2026)

Learning Nonlinear Causal Reductions to Explain Reinforcement Learning Policies
von: Kekić, Armin, et al.
Veröffentlicht: (2025)

Natural Building Blocks for Structured World Models: Theory, Evidence, and Scaling
von: Da Costa, Lancelot, et al.
Veröffentlicht: (2025)

Identifiable Exchangeable Mechanisms for Causal Structure and Representation Learning
von: Reizinger, Patrik, et al.
Veröffentlicht: (2024)

Deep Backtracking Counterfactuals for Causally Compliant Explanations
von: Kladny, Klaus-Rudolf, et al.
Veröffentlicht: (2023)

Adaptive Log-Euclidean Metrics for SPD Matrix Learning
von: Chen, Ziheng, et al.
Veröffentlicht: (2023)

Masked Image Modeling: A Survey
von: Hondru, Vlad, et al.
Veröffentlicht: (2024)

Intrinsically Interpretable Attention via Sparse Post-Training
von: Draye, Florent, et al.
Veröffentlicht: (2025)

Improving Large Language Model Safety with Contrastive Representation Learning
von: Simko, Samuel, et al.
Veröffentlicht: (2025)

Counterfactual reasoning: an analysis of in-context emergence
von: Miller, Moritz, et al.
Veröffentlicht: (2025)

Algorithmic causal structure emerging through compression
von: Wendong, Liang, et al.
Veröffentlicht: (2025)

Batch-in-Batch: a new adversarial training framework for initial perturbation and sample selection
von: Wu, Yinting, et al.
Veröffentlicht: (2024)

Causal vs. Anticausal merging of predictors
von: Mejia, Sergio Hernan Garrido, et al.
Veröffentlicht: (2025)

Back To The Future: A Hybrid Transformer-XGBoost Model for Action-oriented Future-proofing Nowcasting
von: Sun, Ziheng
Veröffentlicht: (2024)

Skill Learning via Policy Diversity Yields Identifiable Representations for Reinforcement Learning
von: Reizinger, Patrik, et al.
Veröffentlicht: (2025)

Causality Is Key to Understand and Balance Multiple Goals in Trustworthy ML and Foundation Models
von: Binkyte, Ruta, et al.
Veröffentlicht: (2025)