Buchumschlag

Bulk-boundary decomposition of neural networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lee, Donghee, Lee, Hye-Sung, Yi, Jaeok
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Disordered Systems and Neural Networks High Energy Physics - Phenomenology
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Synaptic Field Theory for Neural Networks
von: Lee, Donghee, et al.
Veröffentlicht: (2025)

Dynamic neuron approach to deep neural networks: Decoupling neurons for renormalization group analysis
von: Lee, Donghee, et al.
Veröffentlicht: (2024)

The neural networks with tensor weights and emergent fermionic Wick rules in the large-width limit
von: Huang, Guojun, et al.
Veröffentlicht: (2025)

Neural Scaling Laws From Large-N Field Theory: Solvable Model Beyond the Ridgeless Limit
von: Zhang, Zhengkang
Veröffentlicht: (2024)

Phase diagram and eigenvalue dynamics of stochastic gradient descent in multilayer neural networks
von: Park, Chanju, et al.
Veröffentlicht: (2025)

Opening the Black Box: predicting the trainability of deep neural networks with reconstruction entropy
von: Thurn, Yanick, et al.
Veröffentlicht: (2024)

Learning topological defects formation with neural networks in a quantum phase transition
von: Shi, Han-Qing, et al.
Veröffentlicht: (2022)

Gauge-covariant stochastic neural fields: Stability and finite-width effects
von: Terin, Rodrigo Carmo
Veröffentlicht: (2025)

Learning holographic QCD with unflavoured meson spectra
von: Arun, Mathew Thomas, et al.
Veröffentlicht: (2025)

Robust Reasoning as a Symmetry-Protected Topological Phase
von: Sung, Ilmo
Veröffentlicht: (2026)

Gauge covariant neural network for quarks and gluons
von: Nagai, Yuki, et al.
Veröffentlicht: (2021)

Combining complex Langevin dynamics with score-based and energy-based diffusion models
von: Aarts, Gert, et al.
Veröffentlicht: (2025)

A Two-Phase Perspective on Deep Learning Dynamics
von: Koch, Robert de Mello, et al.
Veröffentlicht: (2025)

Topological Effects in Neural Network Field Theory
von: Ferko, Christian, et al.
Veröffentlicht: (2026)

Random Matrix Theory for Stochastic Gradient Descent
von: Park, Chanju, et al.
Veröffentlicht: (2024)

Lecture Notes on Statistical Physics and Neural Networks
von: Hohm, Olaf
Veröffentlicht: (2026)

Learning to grok: Emergence of in-context learning and skill composition in modular arithmetic tasks
von: He, Tianyu, et al.
Veröffentlicht: (2024)

Dyson Brownian motion and random matrix dynamics of weight matrices during learning
von: Aarts, Gert, et al.
Veröffentlicht: (2024)

Wilsonian Renormalization of Neural Network Gaussian Processes
von: Howard, Jessica N., et al.
Veröffentlicht: (2024)

On learning higher-order cumulants in diffusion models
von: Aarts, Gert, et al.
Veröffentlicht: (2024)

Neural Network Quantum Field Theory from Transformer Architectures
von: Ageev, Dmitry S., et al.
Veröffentlicht: (2026)

Bayesian RG Flow in Neural Network Field Theories
von: Howard, Jessica N., et al.
Veröffentlicht: (2024)

Stochastic weight matrix dynamics during learning and Dyson Brownian motion
von: Aarts, Gert, et al.
Veröffentlicht: (2024)

Deep learning bulk spacetime from boundary optical conductivity
von: Ahn, Byoungjoon, et al.
Veröffentlicht: (2024)

The Infrared Phase of QCD and Anderson Localization
von: Horváth, Ivan
Veröffentlicht: (2025)

Dirac spectrum in the chirally symmetric phase of a gauge theory. II
von: Giordano, Matteo
Veröffentlicht: (2025)

Constraints on the Dirac spectrum from chiral symmetry restoration
von: Giordano, Matteo
Veröffentlicht: (2024)

Constraints on the Dirac spectrum from chiral symmetry restoration and the fate of $\mathrm{U}(1)_A$ symmetry
von: Giordano, Matteo
Veröffentlicht: (2024)

Dirac mode localization in QCD near the crossover temperature
von: Giordano, Matteo, et al.
Veröffentlicht: (2026)

New non-Euclidean neural quantum states from additional types of hyperbolic recurrent neural networks
von: Dao, H. L.
Veröffentlicht: (2026)

The Underlying Scaling Laws and Universal Statistical Structure of Complex Datasets
von: Levi, Noam, et al.
Veröffentlicht: (2023)

Emergent weight morphologies in deep neural networks
von: de Jong, Pascal, et al.
Veröffentlicht: (2025)

High-dimensional learning of narrow neural networks
von: Cui, Hugo
Veröffentlicht: (2024)

What can we learn from quantum convolutional neural networks?
von: Umeano, Chukwudubem, et al.
Veröffentlicht: (2023)

Neural network representation of quantum systems
von: Hashimoto, Koji, et al.
Veröffentlicht: (2024)

Random matrix theory of sparse neuronal networks with heterogeneous timescales
von: Chotibut, Thiparat, et al.
Veröffentlicht: (2025)

Supervised and Unsupervised protocols for hetero-associative neural networks
von: Alessandrelli, Andrea, et al.
Veröffentlicht: (2025)

Computing frustration and near-monotonicity in deep neural networks
von: Wendin, Joel, et al.
Veröffentlicht: (2025)

Deep neural networks from the perspective of ergodic theory
von: Zhang, Fan
Veröffentlicht: (2023)

Finite-time Lyapunov exponents of deep neural networks
von: Storm, L., et al.
Veröffentlicht: (2023)