Buchumschlag

Concatenated Matrix SVD: Compression Bounds, Incremental Approximation, and Error-Constrained Clustering

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Shamrai, Maksym
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Numerical Analysis Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Closed-Form Robustness Bounds for Second-Order Pruning of Neural Controller Policies
von: Shamrai, Maksym
Veröffentlicht: (2025)

Perturbation Analysis of Singular Values in Concatenated Matrices
von: Shamrai, Maksym
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)

Operator SVD with Neural Networks via Nested Low-Rank Approximation
von: Ryu, J. Jon, et al.
Veröffentlicht: (2024)

Adaptive Error-Bounded Hierarchical Matrices for Efficient Neural Network Compression
von: Mango, John, et al.
Veröffentlicht: (2024)

Maximal Volume Matrix Cross Approximation for Image Compression and Least Squares Solution
von: Allen, Kenneth, et al.
Veröffentlicht: (2023)

Guaranteed Approximation Bounds for Mixed-Precision Neural Operators
von: Tu, Renbo, et al.
Veröffentlicht: (2023)

Incremental SVD Compression for Nonlinear Oldroyd Equations with General Memory Kernels
von: Chen, Gang, et al.
Veröffentlicht: (2026)

Sharp Lower Bounds for Linearized ReLU^k Approximation on the Sphere
von: Mao, Tong, et al.
Veröffentlicht: (2025)

SVD-PINNs: Transfer Learning of Physics-Informed Neural Networks via Singular Value Decomposition
von: Gao, Yihang, et al.
Veröffentlicht: (2022)

Convex-Geometric Error Bounds for Positive-Weight Kernel Quadrature
von: Hayakawa, Satoshi
Veröffentlicht: (2026)

Error Feedback Can Accurately Compress Preconditioners
von: Modoranu, Ionut-Vlad, et al.
Veröffentlicht: (2023)

Efficient Parametric SVD of Koopman Operator for Stochastic Dynamical Systems
von: Jeong, Minchan, et al.
Veröffentlicht: (2025)

Precision-induced Adaptive Randomized Low-Rank Approximation for SVD and Matrix Inversion
von: Xu, Weiwei, et al.
Veröffentlicht: (2026)

When Langevin Monte Carlo Meets Randomization: New Sampling Algorithms with Non-asymptotic Error Bounds beyond Log-Concavity and Gradient Lipschitzness
von: Wang, Xiaojie, et al.
Veröffentlicht: (2025)

Perturbation Analysis of Randomized SVD and its Applications to Statistics
von: Zhang, Yichi, et al.
Veröffentlicht: (2022)

Sparse Random-Feature Neural Networks with Krylov-Based SVD for Singularly Perturbed ODE
von: Vaidyan, Kevin Kurian Thomas, et al.
Veröffentlicht: (2026)

Matrix Decomposition and Applications
von: Lu, Jun
Veröffentlicht: (2022)

Approximating Matrix Functions with Deep Neural Networks and Transformers
von: Padmanabhan, Rahul, et al.
Veröffentlicht: (2026)

BEACONS: Bounded-Error, Algebraically-Composable Neural Solvers for Partial Differential Equations
von: Gorard, Jonathan, et al.
Veröffentlicht: (2026)

Multigrade Neural Network Approximation
von: Zhang, Shijun, et al.
Veröffentlicht: (2026)

Approximation properties of neural ODEs
von: De Marinis, Arturo, et al.
Veröffentlicht: (2025)

Constrained Ensemble Langevin Monte Carlo
von: Ding, Zhiyan, et al.
Veröffentlicht: (2021)

Numerical Error Analysis of Large Language Models
von: Budzinskiy, Stanislav, et al.
Veröffentlicht: (2025)

DRM Revisited: A Complete Error Analysis
von: Jiao, Yuling, et al.
Veröffentlicht: (2024)

Approximation and learning with compositional tensor trains
von: Eigel, Martin, et al.
Veröffentlicht: (2025)

Geometry is All You Need: A Unified Taxonomy of Matrix and Tensor Factorization for Compression of Generative Language Models
von: Xu, Mingxue, et al.
Veröffentlicht: (2024)

A Constrained Multi-Fidelity Bayesian Optimization Method
von: Wang, Jingyi, et al.
Veröffentlicht: (2025)

Sinusoidal Approximation Theorem for Kolmogorov-Arnold Networks
von: Gleyzer, Sergei, et al.
Veröffentlicht: (2025)

Variational Matrix-Learning Fourier Networks for Parametric Multiphysics Surrogates
von: Li, Xinyu, et al.
Veröffentlicht: (2026)

An Improved Incremental Singular Value Decomposition and New Error Bounds
von: Zhang, Yangwen
Veröffentlicht: (2022)

On the Upper Bounds for the Matrix Spectral Norm
von: Naumov, Alexey, et al.
Veröffentlicht: (2025)

Geometric Layer-wise Approximation Rates for Deep Networks
von: Zhang, Shijun, et al.
Veröffentlicht: (2026)

Quantitative Approximation for Neural Operators in Nonlinear Parabolic Equations
von: Furuya, Takashi, et al.
Veröffentlicht: (2024)

Approximation by non-symmetric networks for cross-domain learning
von: Mhaskar, Hrushikesh
Veröffentlicht: (2023)

Expressive Power of Deep Networks on Manifolds: Simultaneous Approximation
von: Zhou, Hanfei, et al.
Veröffentlicht: (2025)

Universal Approximation of Operators with Transformers and Neural Integral Operators
von: Zappala, Emanuele, et al.
Veröffentlicht: (2024)

Efficient Differentiable Approximation of Generalized Low-rank Regularization
von: Li, Naiqi, et al.
Veröffentlicht: (2025)

Convolutional Surrogate for 3D Discrete Fracture-Matrix Tensor Upscaling
von: Špetlík, Martin, et al.
Veröffentlicht: (2026)

On the Structure of Floating-Point Noise in Batch-Invariant GPU Matrix Multiplication
von: Yashwanth, Tadisetty Sai
Veröffentlicht: (2025)