Buchumschlag

Change-of-Basis Pruning via Rotational Invariance

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ning, Alex, Rangaraju, Vainateya
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Visualizing LLM Latent Space Geometry Through Dimensionality Reduction
von: Ning, Alex, et al.
Veröffentlicht: (2025)

Constructing 3D Rotational Invariance and Equivariance with Symmetric Tensor Networks
von: Zhang, Meng, et al.
Veröffentlicht: (2025)

DenoiseRotator: Enhance Pruning Robustness for LLMs via Importance Concentration
von: Gu, Tianteng, et al.
Veröffentlicht: (2025)

Mitigating Staleness in Asynchronous Pipeline Parallelism via Basis Rotation
von: Jung, Hyunji, et al.
Veröffentlicht: (2026)

ReBaNO: Reduced Basis Neural Operator Mitigating Generalization Gaps and Achieving Discretization Invariance
von: Zheng, Haolan, et al.
Veröffentlicht: (2025)

Rotation Invariance in Floor Plan Digitization using Zernike Moments
von: Graumann, Marius, et al.
Veröffentlicht: (2025)

Function Basis Encoding of Numerical Features in Factorization Machines
von: Shtoff, Alex, et al.
Veröffentlicht: (2023)

Efficient Hyperparameter Tuning via Trajectory Invariance Principle
von: Li, Bingrui, et al.
Veröffentlicht: (2025)

FedSODA: Federated Fine-tuning of LLMs via Similarity Group Pruning and Orchestrated Distillation Alignment
von: Zhu, Manning, et al.
Veröffentlicht: (2025)

Basis-to-Basis Operator Learning Using Function Encoders
von: Ingebrand, Tyler, et al.
Veröffentlicht: (2024)

Post-Training Augmentation Invariance
von: Eikenberry, Keenan, et al.
Veröffentlicht: (2025)

Topological Invariance and Breakdown in Learning
von: Yang, Yongyi, et al.
Veröffentlicht: (2025)

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

Unifying Invariance and Spuriousity for Graph Out-of-Distribution via Probability of Necessity and Sufficiency
von: Chen, Xuexin, et al.
Veröffentlicht: (2024)

Beyond Patient Invariance: Learning Cardiac Dynamics via Action-Conditioned JEPAs
von: Fernandes, Jose Geraldo, et al.
Veröffentlicht: (2026)

Learning When to Stop: Adaptive Latent Reasoning via Reinforcement Learning
von: Ning, Alex, et al.
Veröffentlicht: (2025)

Reinforcement Learning Using known Invariances
von: Cioba, Alexandru, et al.
Veröffentlicht: (2025)

On the Identifiability of Causal Graphs with the Invariance Principle
von: Montagna, Francesco
Veröffentlicht: (2025)

Understanding the Role of Invariance in Transfer Learning
von: Speicher, Till, et al.
Veröffentlicht: (2024)

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

Invariance-Based Dynamic Regret Minimization
von: Lazzaretto, Margherita, et al.
Veröffentlicht: (2026)

$D^2Prune$: Sparsifying Large Language Models via Dual Taylor Expansion and Attention Distribution Awareness
von: Xiong, Lang, et al.
Veröffentlicht: (2026)

BasisFormer: Attention-based Time Series Forecasting with Learnable and Interpretable Basis
von: Ni, Zelin, et al.
Veröffentlicht: (2023)

Accurate and Scalable Graph Neural Networks via Message Invariance
von: Shi, Zhihao, et al.
Veröffentlicht: (2025)

Unsupervised Disentanglement of Content and Style via Variance-Invariance Constraints
von: Wu, Yuxuan, et al.
Veröffentlicht: (2024)

Continuous Invariance Learning
von: Lin, Yong, et al.
Veröffentlicht: (2023)

MADOD: Generalizing OOD Detection to Unseen Domains via G-Invariance Meta-Learning
von: Wang, Haoliang, et al.
Veröffentlicht: (2024)

Dynamic Subspace Composition: Efficient Adaptation via Contractive Basis Expansion
von: Khasia, Vladimer
Veröffentlicht: (2025)

TopoPrune: Robust Data Pruning via Unified Latent Space Topology
von: Roy, Arjun, et al.
Veröffentlicht: (2026)

Adaptive Pruning of Pretrained Transformer via Differential Inclusions
von: Ding, Yizhuo, et al.
Veröffentlicht: (2025)

No Free Prune: Information-Theoretic Barriers to Pruning at Initialization
von: Kumar, Tanishq, et al.
Veröffentlicht: (2024)

Bayesian Invariance Modeling of Multi-Environment Data
von: Wu, Luhuan, et al.
Veröffentlicht: (2025)

Unifying Causal Representation Learning with the Invariance Principle
von: Yao, Dingling, et al.
Veröffentlicht: (2024)

Self-Supervised Learning from Structural Invariance
von: Zhang, Yipeng, et al.
Veröffentlicht: (2026)

Accelerating Attention with Basis Decomposition
von: Zhao, Jialin
Veröffentlicht: (2025)

Fourier Basis Density Model
von: De la Fuente, Alfredo, et al.
Veröffentlicht: (2024)

Radial Basis Operator Networks
von: Kurz, Jason, et al.
Veröffentlicht: (2024)

Causal Graph Learning via Distributional Invariance of Cause-Effect Relationship
von: Nguyen, Nang Hung, et al.
Veröffentlicht: (2026)

Exploring Vision Neural Network Pruning via Screening Methodology
von: Wang, Mingyuan, et al.
Veröffentlicht: (2025)

On Lexical Invariance on Multisets and Graphs
von: Zhang, Muhan
Veröffentlicht: (2024)