Buchumschlag

A Unified Representation of Neural Networks Architectures

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Prieur, Christophe, Lazar, Mircea, Robu, Bogdan
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Optimization and Control
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Deep Operator Neural Network Model Predictive Control
von: de Jong, Thomas Oliver, et al.
Veröffentlicht: (2025)

Neural Data-Enabled Predictive Control
von: Lazar, Mircea
Veröffentlicht: (2024)

Koopman Data-Driven Predictive Control with Robust Stability and Recursive Feasibility Guarantees
von: de Jong, Thomas, et al.
Veröffentlicht: (2024)

Enhancing Reinforcement Learning Agents with Local Guides
von: Daoudi, Paul, et al.
Veröffentlicht: (2024)

A universal reproducing kernel Hilbert space for learning nonlinear systems operators
von: Lazar, Mircea
Veröffentlicht: (2024)

An Adaptive and Stability-Promoting Layerwise Training Approach for Sparse Deep Neural Network Architecture
von: Krishnanunni, C G, et al.
Veröffentlicht: (2022)

From Product Hilbert Spaces to the Generalized Koopman Operator and the Nonlinear Fundamental Lemma
von: Lazar, Mircea
Veröffentlicht: (2025)

Modeling Hierarchical Spaces: A Review and Unified Framework for Surrogate-Based Architecture Design
von: Saves, Paul, et al.
Veröffentlicht: (2025)

Geometry-Preserving Neural Architectures on Manifolds with Boundary
von: Elamvazhuthi, Karthik, et al.
Veröffentlicht: (2026)

Finite Control Set Model Predictive Control with Limit Cycle Stability Guarantees
von: Xu, Duo, et al.
Veröffentlicht: (2024)

Differentiable Convex Optimization Layers in Neural Architectures: Foundations and Perspectives
von: Katyal, Calder
Veröffentlicht: (2024)

Improving a Proportional Integral Controller with Reinforcement Learning on a Throttle Valve Benchmark
von: Daoudi, Paul, et al.
Veröffentlicht: (2024)

A Recovery Guarantee for Sparse Neural Networks
von: Fridovich-Keil, Sara, et al.
Veröffentlicht: (2025)

Optimal Depth of Neural Networks
von: Qi, Qian
Veröffentlicht: (2025)

KKT-Informed Neural Network
von: Femine, Carmine Delle
Veröffentlicht: (2024)

A Computational Framework for Solving Wasserstein Lagrangian Flows
von: Neklyudov, Kirill, et al.
Veröffentlicht: (2023)

Curse of Dimensionality in Neural Network Optimization
von: Na, Sanghoon, et al.
Veröffentlicht: (2025)

Learning Neural Networks by Neuron Pursuit
von: Kumar, Akshay, et al.
Veröffentlicht: (2025)

On the Topology of Neural Network Superlevel Sets
von: Gharesifard, Bahman
Veröffentlicht: (2026)

Constraints-Informed Neural-Laguerre Approximation of Nonlinear MPC with Application in Power Electronics
von: Xu, Duo, et al.
Veröffentlicht: (2024)

Wide Neural Networks Trained with Weight Decay Provably Exhibit Neural Collapse
von: Jacot, Arthur, et al.
Veröffentlicht: (2024)

Towards Quantifying the Hessian Structure of Neural Networks
von: Dong, Zhaorui, et al.
Veröffentlicht: (2025)

Deconstructing the Goldilocks Zone of Neural Network Initialization
von: Vysogorets, Artem, et al.
Veröffentlicht: (2024)

Convergence of Gradient Descent for Recurrent Neural Networks: A Nonasymptotic Analysis
von: Cayci, Semih, et al.
Veröffentlicht: (2024)

Forward Invariance in Neural Network Controlled Systems
von: Harapanahalli, Akash, et al.
Veröffentlicht: (2023)

A Guaranteed-Stable Neural Network Approach for Optimal Control of Nonlinear Systems
von: Li, Anran, et al.
Veröffentlicht: (2025)

A Non-Monotone Preconditioned Trust-Region Method for Neural Network Training
von: Angino, Andrea, et al.
Veröffentlicht: (2026)

Exploring the Potential of Bilevel Optimization for Calibrating Neural Networks
von: Sanguin, Gabriele, et al.
Veröffentlicht: (2025)

On Integer Programming for the Binarized Neural Network Verification Problem
von: Kim, Woojin, et al.
Veröffentlicht: (2025)

Randomized Geometric Algebra Methods for Convex Neural Networks
von: Wang, Yifei, et al.
Veröffentlicht: (2024)

Relaxation-Informed Training of Neural Network Surrogate Models
von: Tsay, Calvin
Veröffentlicht: (2026)

Wasserstein Distributionally Robust Shallow Convex Neural Networks
von: Pallage, Julien, et al.
Veröffentlicht: (2024)

SGD with Partial Hessian for Deep Neural Networks Optimization
von: Sun, Ying, et al.
Veröffentlicht: (2024)

Rethinking the Capacity of Graph Neural Networks for Branching Strategy
von: Chen, Ziang, et al.
Veröffentlicht: (2024)

Adaptive Momentum and Nonlinear Damping for Neural Network Training
von: Karoni, Aikaterini, et al.
Veröffentlicht: (2026)

Regularized Gauss-Newton for Optimizing Overparameterized Neural Networks
von: Adeoye, Adeyemi D., et al.
Veröffentlicht: (2024)

Chordal Sparsity for SDP-based Neural Network Verification
von: Xue, Anton, et al.
Veröffentlicht: (2022)

Distributed Control of Network Systems in the Space of Stabilizing Graph Neural Network Policies
von: Cao, John, et al.
Veröffentlicht: (2025)

Improved Scalable Lipschitz Bounds for Deep Neural Networks
von: Syed, Usman, et al.
Veröffentlicht: (2025)

Optimization over Trained (and Sparse) Neural Networks: A Surrogate within a Surrogate
von: Pham, Hung, et al.
Veröffentlicht: (2025)