Copertina

Topological Invariance and Breakdown in Learning

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Yang, Yongyi, Poggio, Tomaso, Chuang, Isaac, Ziyin, Liu
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Heterosynaptic Circuits Are Universal Gradient Machines
di: Ziyin, Liu, et al.
Pubblicazione: (2025)

Parameter Symmetry Potentially Unifies Deep Learning Theory
di: Ziyin, Liu, et al.
Pubblicazione: (2025)

Formation of Representations in Neural Networks
di: Ziyin, Liu, et al.
Pubblicazione: (2024)

Ubiquity of Emergent Hebbian Dynamics in Regularized Learning
di: Koplow, David, et al.
Pubblicazione: (2025)

Does Feedback Alignment Work at Biological Timescales?
di: Bacvanski, Marc Gong, et al.
Pubblicazione: (2025)

A universal compression theory for lottery ticket hypothesis and neural scaling laws
di: Wang, Hong-Yi, et al.
Pubblicazione: (2025)

An Equivariance Toolbox for Learning Dynamics
di: Yang, Yongyi, et al.
Pubblicazione: (2025)

On efficiently computable functions, deep networks and sparse compositionality
di: Poggio, Tomaso
Pubblicazione: (2025)

Proof of a perfect platonic representation hypothesis
di: Ziyin, Liu, et al.
Pubblicazione: (2025)

How Neural Networks Learn the Support is an Implicit Regularization Effect of SGD
di: Beneventano, Pierfrancesco, et al.
Pubblicazione: (2024)

Remove Symmetries to Control Model Expressivity and Improve Optimization
di: Ziyin, Liu, et al.
Pubblicazione: (2024)

On Generalization Bounds for Neural Networks with Low Rank Layers
di: Pinto, Andrea, et al.
Pubblicazione: (2024)

Learning Sparse Compositional Functions with Norm-Constrained Neural Networks
di: Huang, Shuo, et al.
Pubblicazione: (2026)

Neural Thermodynamics: Entropic Forces in Deep and Universal Representation Learning
di: Ziyin, Liu, et al.
Pubblicazione: (2025)

Hierarchical Reasoning Models: Perspectives and Misconceptions
di: Ge, Renee, et al.
Pubblicazione: (2025)

pAI/MSc: ML Theory Research with Humans on the Loop
di: Abdelmoneum, Mahmoud, et al.
Pubblicazione: (2026)

Does SGD Seek Flatness or Sharpness? An Exactly Solvable Model
di: Xu, Yizhou, et al.
Pubblicazione: (2026)

Unraveling Syntax: How Language Models Learn Context-Free Grammars
di: Schulz, Laura Ying, et al.
Pubblicazione: (2025)

SGD and Weight Decay Secretly Minimize the Rank of Your Neural Network
di: Galanti, Tomer, et al.
Pubblicazione: (2022)

On the Invariance and Generality of Neural Scaling Laws
di: Han, Xing, et al.
Pubblicazione: (2026)

Thermodynamic Irreversibility of Training Algorithms
di: Ziyin, Liu, et al.
Pubblicazione: (2026)

Learning Multi-Index Models with Hyper-Kernel Ridge Regression
di: Huang, Shuo, et al.
Pubblicazione: (2025)

Position: A Theory of Deep Learning Must Include Compositional Sparsity
di: Danhofer, David A., et al.
Pubblicazione: (2025)

Does Weight Decay Enhance Training Stability?
di: Saether, Marius, et al.
Pubblicazione: (2026)

Iterative regularization in classification via hinge loss diagonal descent
di: Apidopoulos, Vassilis, et al.
Pubblicazione: (2022)

Symmetry Induces Structure and Constraint of Learning
di: Ziyin, Liu
Pubblicazione: (2023)

Too Sharp, Too Sure: When Calibration Follows Curvature
di: Morosini, Alessandro, et al.
Pubblicazione: (2026)

Same Error, Different Function: The Optimizer as an Implicit Prior in Financial Time Series
di: Cortesi, Federico Vittorio, et al.
Pubblicazione: (2026)

Momentum Further Constrains Sharpness at the Edge of Stochastic Stability
di: Andreyev, Arseniy, et al.
Pubblicazione: (2026)

The Generalized Turing Test: A Foundation for Comparing Intelligence
di: Mitropolsky, Daniel, et al.
Pubblicazione: (2026)

Do Deep Networks Forget Initialization? A Forgetting-Time View of Practical Inductive Bias
di: Das, Mohua, et al.
Pubblicazione: (2026)

Three Mechanisms of Feature Learning in a Linear Network
di: Xu, Yizhou, et al.
Pubblicazione: (2024)

Information Filtering Networks: Theoretical Foundations, Generative Methodologies, and Real-World Applications
di: Aste, Tomaso
Pubblicazione: (2025)

Continuous Invariance Learning
di: Lin, Yong, et al.
Pubblicazione: (2023)

Provable Low-Frequency Bias of In-Context Learning of Representations
di: Yang, Yongyi, et al.
Pubblicazione: (2025)

Manifold Topological Deep Learning for Biomedical Data
di: Liu, Xiang, et al.
Pubblicazione: (2025)

Training the Untrainable: Introducing Inductive Bias via Representational Alignment
di: Subramaniam, Vighnesh, et al.
Pubblicazione: (2024)

Unraveling the Enigma of Double Descent: An In-depth Analysis through the Lens of Learned Feature Space
di: Gu, Yufei, et al.
Pubblicazione: (2023)

DNN-Based Topology Optimisation: Spatial Invariance and Neural Tangent Kernel
di: Dupuis, Benjamin, et al.
Pubblicazione: (2021)

Causal Learning with the Invariance Principle
di: Montagna, Francesco, et al.
Pubblicazione: (2026)