Buchumschlag

A universal linearized subspace refinement framework for neural networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Cao, Wenbo, Zhang, Weiwei
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Nonlinear subspace clustering by functional link neural networks
von: Shi, Long, et al.
Veröffentlicht: (2024)

Overcoming the Loss Conditioning Bottleneck in Optimization-Based PDE Solvers: A Novel Well-Conditioned Loss Function
von: Cao, Wenbo, et al.
Veröffentlicht: (2025)

A matrix preconditioning framework for physics-informed neural networks based on adjoint method
von: Song, Jiahao, et al.
Veröffentlicht: (2025)

Simultaneous linear connectivity of neural networks modulo permutation
von: Sharma, Ekansh, et al.
Veröffentlicht: (2024)

Sobolev neural network with residual weighting as a surrogate in linear and non-linear mechanics
von: Kilicsoy, A. O. M., et al.
Veröffentlicht: (2024)

Symmetry-regularized neural ordinary differential equations
von: Hao, Wenbo
Veröffentlicht: (2023)

A duality framework for analyzing random feature and two-layer neural networks
von: Chen, Hongrui, et al.
Veröffentlicht: (2023)

Feedback-driven recurrent quantum neural network universality
von: Gonon, Lukas, et al.
Veröffentlicht: (2025)

Orthogonal greedy algorithm for linear operator learning with shallow neural network
von: Lin, Ye, et al.
Veröffentlicht: (2025)

An analysis and solution of ill-conditioning in physics-informed neural networks
von: Cao, Wenbo, et al.
Veröffentlicht: (2024)

Square root Cox's survival analysis by the fittest linear and neural networks model
von: van Cutsem, Maxime, et al.
Veröffentlicht: (2025)

Equivariant non-linear maps for neural networks on homogeneous spaces
von: Nyholm, Elias, et al.
Veröffentlicht: (2025)

Barycentric subspace analysis of network-valued data
von: Maignant, Elodie, et al.
Veröffentlicht: (2025)

Overparametrized linear dimensionality reductions: From projection pursuit to two-layer neural networks
von: Montanari, Andrea, et al.
Veröffentlicht: (2022)

Enhancing path-integral approximation for non-linear diffusion with neural network
von: Knezevic, Anna
Veröffentlicht: (2024)

Uncertainty quantification in neural network classifiers -- a local linear approach
von: Malmström, Magnus, et al.
Veröffentlicht: (2023)

Context-aware knowledge graph framework for traffic speed forecasting using graph neural network
von: Zhang, Yatao, et al.
Veröffentlicht: (2024)

The loss landscape of deep linear neural networks: a second-order analysis
von: Achour, El Mehdi, et al.
Veröffentlicht: (2021)

Macroscopic auxiliary asymptotic preserving neural networks for the linear radiative transfer equations
von: Li, Hongyan, et al.
Veröffentlicht: (2024)

A multicategory jet image classification framework using deep neural network
von: Sandoval, Jairo Orozco, et al.
Veröffentlicht: (2024)

A unifying primary framework for quantum graph neural networks from quantum graph states
von: Daskin, Ammar
Veröffentlicht: (2024)

An algorithmic framework for the optimization of deep neural networks architectures and hyperparameters
von: Keisler, Julie, et al.
Veröffentlicht: (2023)

Embedding principle of homogeneous neural network for classification problem
von: Zhang, Jiahan, et al.
Veröffentlicht: (2025)

A holomorphic neural network framework for 3D boundary value problems governed by harmonic potentials
von: Ballini, Enrico, et al.
Veröffentlicht: (2026)

DenseGNN: universal and scalable deeper graph neural networks for high-performance property prediction in crystals and molecules
von: Du, Hongwei, et al.
Veröffentlicht: (2025)

A decomposition-based robust training of physics-informed neural networks for nearly incompressible linear elasticity
von: Dick, Josef, et al.
Veröffentlicht: (2025)

Can overfitted deep neural networks in adversarial training generalize? -- An approximation viewpoint
von: Shi, Zhongjie, et al.
Veröffentlicht: (2024)

Learning to refine domain knowledge for biological network inference
von: Li, Peiwen, et al.
Veröffentlicht: (2024)

Symplectic convolutional neural networks
von: Yıldız, Süleyman, et al.
Veröffentlicht: (2025)

Feature learning as alignment: a structural property of gradient descent in non-linear neural networks
von: Beaglehole, Daniel, et al.
Veröffentlicht: (2024)

A physics-informed neural network framework for modeling obstacle-related equations
von: Bahja, Hamid El, et al.
Veröffentlicht: (2023)

Approximate non-linear model predictive control with safety-augmented neural networks
von: Hose, Henrik, et al.
Veröffentlicht: (2023)

A causal intervention framework for synthesizing mobility data and evaluating predictive neural networks
von: Hong, Ye, et al.
Veröffentlicht: (2023)

Statistically controllable microstructure reconstruction framework for heterogeneous materials using sliced-Wasserstein metric and neural networks
von: Ma, Zhenchuan, et al.
Veröffentlicht: (2025)

On the role of non-linear latent features in bipartite generative neural networks
von: Bonnaire, Tony, et al.
Veröffentlicht: (2025)

Understanding the role of depth in the neural tangent kernel for overparameterized neural networks
von: St-Arnaud, William, et al.
Veröffentlicht: (2025)

Nested subspace learning with flags
von: Szwagier, Tom, et al.
Veröffentlicht: (2025)

Geometric sparsification in recurrent neural networks
von: Mackey, Wyatt, et al.
Veröffentlicht: (2024)

Fixed points of nonnegative neural networks
von: Piotrowski, Tomasz J., et al.
Veröffentlicht: (2021)

The logic of rational graph neural networks
von: Khalife, Sammy
Veröffentlicht: (2023)