Buchumschlag

Sparsity via Hyperpriors: A Theoretical and Algorithmic Study under Empirical Bayes Framework

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Zhitao, Dong, Yiqiu, Zeng, Xueying
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Numerical Analysis
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Aliasing in Convnets: A Frame-Theoretic Perspective
von: Haider, Daniel, et al.
Veröffentlicht: (2025)

Truncated Matrix Completion - An Empirical Study
von: Naik, Rishhabh, et al.
Veröffentlicht: (2025)

Optimal Oblivious Subspace Embeddings with Near-optimal Sparsity
von: Chenakkod, Shabarish, et al.
Veröffentlicht: (2024)

Randomised Postiterations for Calibrated BayesCG
von: Vyas, Niall, et al.
Veröffentlicht: (2025)

Branching Strategies Based on Subgraph GNNs: A Study on Theoretical Promise versus Practical Reality
von: Zhou, Junru, et al.
Veröffentlicht: (2025)

Operator Learning of Lipschitz Operators: An Information-Theoretic Perspective
von: Lanthaler, Samuel
Veröffentlicht: (2024)

AlgoFormer: An Efficient Transformer Framework with Algorithmic Structures
von: Gao, Yihang, et al.
Veröffentlicht: (2024)

Theoretical Refinement of CLIP by Utilizing Linear Structure of Optimal Similarity
von: Yoshida, Naoki, et al.
Veröffentlicht: (2025)

Number Theoretic Accelerated Learning of Physics-Informed Neural Networks
von: Matsubara, Takashi, et al.
Veröffentlicht: (2023)

chebgreen: Learning and Interpolating Continuous Empirical Green's Functions from Data
von: Praveen, Harshwardhan, et al.
Veröffentlicht: (2025)

A Probabilistic Framework for Solving High-Frequency Helmholtz Equations via Diffusion Models
von: Zou, Yicheng, et al.
Veröffentlicht: (2026)

Efficient Tensor Completion Algorithms for Highly Oscillatory Operators
von: Singh, Navjot, et al.
Veröffentlicht: (2025)

An In-Depth Examination of Risk Assessment in Multi-Class Classification Algorithms
von: Ghandwani, Disha, et al.
Veröffentlicht: (2024)

FBSJNN: A Theoretically Interpretable and Efficiently Deep Learning method for Solving Partial Integro-Differential Equations
von: Ye, Zaijun, et al.
Veröffentlicht: (2024)

Empirical Density Estimation based on Spline Quasi-Interpolation with applications to Copulas clustering modeling
von: Tamborrino, Cristiano, et al.
Veröffentlicht: (2024)

Singularity Formation: Synergy in Theoretical, Numerical and Machine Learning Approaches
von: Wang, Yixuan
Veröffentlicht: (2026)

Operator Learning: Algorithms and Analysis
von: Kovachki, Nikola B., et al.
Veröffentlicht: (2024)

A Short Note on Batch-efficient Divide-and-Conquer Algorithm for EigenDecomposition
von: Song, Yue
Veröffentlicht: (2026)

A Lyapunov Analysis of Accelerated PDHG Algorithms
von: Zeng, Xueying, et al.
Veröffentlicht: (2024)

Lee and Seung (2000)'s Algorithms for Non-negative Matrix Factorization: A Supplementary Proof Guide
von: Cho, Sungjae
Veröffentlicht: (2025)

How Discrete and Continuous Diffusion Meet: Comprehensive Analysis of Discrete Diffusion Models via a Stochastic Integral Framework
von: Ren, Yinuo, et al.
Veröffentlicht: (2024)

Learning the Exact Time Integration Algorithm for Initial Value Problems by Randomized Neural Networks
von: Dong, Suchuan, et al.
Veröffentlicht: (2025)

Parareal Neural Networks Emulating a Parallel-in-time Algorithm
von: Lee, Chang-Ock, et al.
Veröffentlicht: (2021)

Towards Learning High-Precision Least Squares Algorithms with Sequence Models
von: Liu, Jerry, et al.
Veröffentlicht: (2025)

Tensor Decomposition Meets RKHS: Efficient Algorithms for Smooth and Misaligned Data
von: Larsen, Brett W., et al.
Veröffentlicht: (2024)

GeoFunFlow-3D: A Physics-Guided Generative Flow Matching Framework for High-Fidelity 3D Aerodynamic Inference over Complex Geometries
von: Jiang, Ruiling, et al.
Veröffentlicht: (2026)

Discrepancies are Virtue: Weak-to-Strong Generalization through Lens of Intrinsic Dimension
von: Dong, Yijun, et al.
Veröffentlicht: (2025)

UAdam: Unified Adam-Type Algorithmic Framework for Non-Convex Stochastic Optimization
von: Jiang, Yiming, et al.
Veröffentlicht: (2023)

Machine Learning Algorithms to Assess Site Closure Time Frames for Soil and Groundwater Contamination
von: Le, Vu-Anh, et al.
Veröffentlicht: (2024)

A Deep Learning Framework for Multi-Operator Learning: Architectures and Approximation Theory
von: Weihs, Adrien, et al.
Veröffentlicht: (2025)

A Conformal Prediction Framework for Uncertainty Quantification in Physics-Informed Neural Networks
von: Yu, Yifan, et al.
Veröffentlicht: (2025)

Determinant Estimation under Memory Constraints and Neural Scaling Laws
von: Ameli, Siavash, et al.
Veröffentlicht: (2025)

UFO: A Domain-Unification-Free Operator Framework for Generalized Operator Learning
von: Qiao, Hanli, et al.
Veröffentlicht: (2026)

Mathematical analysis of singularities in the diffusion model under the submanifold assumption
von: Lu, Yubin, et al.
Veröffentlicht: (2023)

Data-Efficient Kernel Methods for Learning Differential Equations and Their Solution Operators: Algorithms and Error Analysis
von: Jalalian, Yasamin, et al.
Veröffentlicht: (2025)

Error Analysis and Numerical Algorithm for PDE Approximation with Hidden-Layer Concatenated Physics Informed Neural Networks
von: Qian, Yianxia, et al.
Veröffentlicht: (2024)

A Bi-Stage Framework for Automatic Development of Pixel-Based Planar Antenna Structures
von: Askaripour, Khadijeh, et al.
Veröffentlicht: (2026)

Integrating Artificial Intelligence, Physics, and Internet of Things: A Framework for Cultural Heritage Conservation
von: Valentino, Carmine, et al.
Veröffentlicht: (2026)

Solving the Wide-band Inverse Scattering Problem via Equivariant Neural Networks
von: Zhang, Borong, et al.
Veröffentlicht: (2022)

Adaptive-Distribution Randomized Neural Networks for PDEs: A Low-Dimensional Distribution-Learning Framework
von: Yang, You, et al.
Veröffentlicht: (2026)