Buchumschlag

Distributionally robust approximation property of neural networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ceylan, Mihriban, Prömel, David J.
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Functional Analysis Probability
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Global universal approximation with Brownian signatures
von: Ceylan, Mihriban, et al.
Veröffentlicht: (2025)

Global universality via discrete-time signatures
von: Ceylan, Mihriban, et al.
Veröffentlicht: (2026)

Universal approximation with signatures of non-geometric rough paths
von: Ceylan, Mihriban, et al.
Veröffentlicht: (2026)

Universal approximation property of neural stochastic differential equations
von: Kwossek, Anna P., et al.
Veröffentlicht: (2025)

Stochastic approximation in infinite dimensions
von: Karandikar, Rajeeva Laxman, et al.
Veröffentlicht: (2024)

Universal approximation with complex-valued deep narrow neural networks
von: Geuchen, Paul, et al.
Veröffentlicht: (2023)

Langevin Monte-Carlo Provably Learns Depth Two Neural Nets at Any Size and Data
von: Kumar, Dibyakanti, et al.
Veröffentlicht: (2025)

Does the Barron space really defy the curse of dimensionality?
von: Schavemaker, Olov
Veröffentlicht: (2025)

Smoothed Distance Kernels for MMDs and Applications in Wasserstein Gradient Flows
von: Rux, Nicolaj, et al.
Veröffentlicht: (2025)

Convergent Stochastic Training of Attention and Understanding LoRA
von: Sun, Zhengkai, et al.
Veröffentlicht: (2026)

Gaussian Processes with Sample Paths in Reproducing Kernel Banach Spaces
von: Karvonen, Toni, et al.
Veröffentlicht: (2026)

Bayesian Optimization through Gaussian Cox Process Models for Spatio-temporal Data
von: Mei, Yongsheng, et al.
Veröffentlicht: (2024)

Distribution-Free Stochastic Analysis and Robust Multilevel Vector Field Anomaly Detection
von: Castrillon-Candas, Julio E, et al.
Veröffentlicht: (2022)

Space-time deep neural network approximations for high-dimensional partial differential equations
von: Hornung, Fabian, et al.
Veröffentlicht: (2020)

Poincaré Inequality for Local Log-Polyak-Lojasiewicz Measures : Non-asymptotic Analysis in Low-temperature Regime
von: Gong, Yun, et al.
Veröffentlicht: (2025)

An Interpretable Approach to Load Profile Forecasting in Power Grids using Galerkin-Approximated Koopman Pseudospectra
von: Tavasoli, Ali, et al.
Veröffentlicht: (2023)

From Monte Carlo to neural networks approximations of boundary value problems
von: Beznea, Lucian, et al.
Veröffentlicht: (2022)

Constructive Approximation under Carleman's Condition, with Applications to Smoothed Analysis
von: Koehler, Frederic, et al.
Veröffentlicht: (2025)

Sharp Matrix Empirical Bernstein Inequalities
von: Wang, Hongjian, et al.
Veröffentlicht: (2024)

Convergence rate of Tsallis entropic regularized optimal transport
von: Suguro, Takeshi, et al.
Veröffentlicht: (2023)

Hoeffding decomposition of black-box models with dependent inputs
von: Idrissi, Marouane Il, et al.
Veröffentlicht: (2023)

Neural Hilbert Ladders: Multi-Layer Neural Networks in Function Space
von: Chen, Zhengdao
Veröffentlicht: (2023)

Empirical approximation of the gaussian distribution in $\mathbb{R}^d$
von: Bartl, Daniel, et al.
Veröffentlicht: (2023)

Universal approximation by signatures for infinite-dimensional rough paths
von: Cox, Sonja, et al.
Veröffentlicht: (2026)

Gaussian approximation on the Skorokhod space via Malliavin calculus and regularization
von: Bourguin, Solesne, et al.
Veröffentlicht: (2025)

Multilevel Picard approximations and deep neural networks with ReLU, leaky ReLU, and softplus activation overcome the curse of dimensionality when approximating semilinear parabolic partial differential equations in $L^p$-sense
von: Neufeld, Ariel, et al.
Veröffentlicht: (2024)

Wasserstein Contraction of Coordinate Ascent Variational Inference
von: Caprio, Rocco, et al.
Veröffentlicht: (2026)

Unified generalization analysis for physics informed neural networks
von: Hashimoto, Yuka, et al.
Veröffentlicht: (2026)

A kinetic model approximation of Walsh's spider process on the infinite star-like graph
von: Bobrowski, Adam, et al.
Veröffentlicht: (2024)

On shallow feedforward neural networks with inputs from a topological space
von: Ismailov, Vugar
Veröffentlicht: (2025)

Neural stochastic Volterra equations: learning path-dependent dynamics
von: Bergerhausen, Martin, et al.
Veröffentlicht: (2024)

Frictional martingale optimal transport and robust hedging
von: Rai, Pratik
Veröffentlicht: (2025)

Do stable neural networks exist for classification problems? -- A new view on stability in AI
von: Liu, Z. N. D., et al.
Veröffentlicht: (2024)

Fisher information flow in artificial neural networks
von: Weimar, Maximilian, et al.
Veröffentlicht: (2025)

Minimum Norm Interpolation via The Local Theory of Banach Spaces: The Role of $2$-Uniform Convexity
von: Kur, Gil, et al.
Veröffentlicht: (2026)

Pointwise Generalization in Deep Neural Networks
von: Li, Shaojie, et al.
Veröffentlicht: (2026)

Distributional Convergence of the Empirical Laplacians with Integral Kernels on Domains with Boundaries
von: Akwei, Bernard, et al.
Veröffentlicht: (2025)

Solving stochastic partial differential equations using neural networks in the Wiener chaos expansion
von: Neufeld, Ariel, et al.
Veröffentlicht: (2024)

A unified Fourier slice method to derive ridgelet transform for a variety of depth-2 neural networks
von: Sonoda, Sho, et al.
Veröffentlicht: (2024)

Convergence rates for gradient descent in the training of overparameterized artificial neural networks with piecewise affine activation
von: Jentzen, Arnulf, et al.
Veröffentlicht: (2021)