Buchumschlag

Switchable Activation Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ale, Laha, Zhang, Ning, King, Scott A., Fan, Pingzhi
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

Lightweight Edge Learning via Dataset Pruning
von: Ale, Laha, et al.
Veröffentlicht: (2026)

A Geometric Theory of Cognition
von: Ale, Laha
Veröffentlicht: (2025)

CLOVER: Cross-Layer Orthogonal Vectors Pruning and Fine-Tuning
von: Meng, Fanxu, et al.
Veröffentlicht: (2024)

Reservoir Computing via Multi-Scale Random Fourier Features for Forecasting Fast-Slow Dynamical Systems
von: Laha, S. K.
Veröffentlicht: (2025)

InstantNet: Automated Generation and Deployment of Instantaneously Switchable-Precision Networks
von: Fu, Yonggan, et al.
Veröffentlicht: (2021)

A Novel Reservoir Computing Framework for Chaotic Time Series Prediction Using Time Delay Embedding and Random Fourier Features
von: Laha, S. K.
Veröffentlicht: (2025)

Switchable Decision: Dynamic Neural Generation Networks
von: Zhang, Shujian, et al.
Veröffentlicht: (2024)

HD-PiSSA: High-Rank Distributed Orthogonal Adaptation
von: Wang, Yiding, et al.
Veröffentlicht: (2025)

Knowledge is Not Enough: Injecting RL Skills for Continual Adaptation
von: Tang, Pingzhi, et al.
Veröffentlicht: (2026)

Q-Newton: Hybrid Quantum-Classical Scheduling for Accelerating Neural Network Training with Newton's Gradient Descent
von: Li, Pingzhi, et al.
Veröffentlicht: (2024)

Graph Attention Network for Node Regression on Random Geometric Graphs with Erdős--Rényi contamination
von: Laha, Somak, et al.
Veröffentlicht: (2026)

Advancing climate model interpretability: Feature attribution for Arctic melt anomalies
von: Ale, Tolulope, et al.
Veröffentlicht: (2025)

An Adaptive CSI Feedback Model Based on BiLSTM for Massive MIMO-OFDM Systems
von: Shen, Hongrui, et al.
Veröffentlicht: (2024)

Implicit Causal Representation Learning via Switchable Mechanisms
von: Bagi, Shayan Shirahmad Gale, et al.
Veröffentlicht: (2024)

FlashSchNet: Fast and Accurate Coarse-Grained Neural Network Molecular Dynamics
von: Li, Pingzhi, et al.
Veröffentlicht: (2026)

Activation Space Selectable Kolmogorov-Arnold Networks
von: Yang, Zhuoqin, et al.
Veröffentlicht: (2024)

Breaking the Blocks: Continuous Low-Rank Decomposed Scaling for Unified LLM Quantization and Adaptation
von: Tang, Pingzhi, et al.
Veröffentlicht: (2026)

Semiring Activation in Neural Networks
von: Smets, Bart M. N., et al.
Veröffentlicht: (2024)

SOLAR: Switchable Output Layer for Accuracy and Robustness in Once-for-All Training
von: Tareen, Shaharyar Ahmed Khan, et al.
Veröffentlicht: (2025)

Harnessing Feature Clustering For Enhanced Anomaly Detection With Variational Autoencoder And Dynamic Threshold
von: Ale, Tolulope, et al.
Veröffentlicht: (2024)

SABER: Switchable and Balanced Training for Efficient LLM Reasoning
von: Zhao, Kai, et al.
Veröffentlicht: (2025)

Learning Neural Networks with Sparse Activations
von: Awasthi, Pranjal, et al.
Veröffentlicht: (2024)

Deep Network Approximation: Beyond ReLU to Diverse Activation Functions
von: Zhang, Shijun, et al.
Veröffentlicht: (2023)

DynaMo: Runtime Switchable Quantization for MoE with Cross-Dataset Adaptation
von: Zheng, Zihao, et al.
Veröffentlicht: (2025)

Enhancing Quantum Security over Federated Learning via Post-Quantum Cryptography
von: Li, Pingzhi, et al.
Veröffentlicht: (2024)

Activation-Space Uncertainty Quantification for Pretrained Networks
von: Bergna, Richard, et al.
Veröffentlicht: (2026)

TransMLA: Multi-Head Latent Attention Is All You Need
von: Meng, Fanxu, et al.
Veröffentlicht: (2025)

Guidance and Control Networks with Periodic Activation Functions
von: Origer, Sebastien, et al.
Veröffentlicht: (2024)

Neighbourhood Transformer: Switchable Attention for Monophily-Aware Graph Learning
von: Luo, Yi, et al.
Veröffentlicht: (2026)

Linearization of ReLU Activation Function for Neural Network-Embedded Optimization: Optimal Day-Ahead Energy Scheduling
von: Zhao, Cunzhi, et al.
Veröffentlicht: (2023)

Deep Neural Network Initialization with Sparsity Inducing Activations
von: Price, Ilan, et al.
Veröffentlicht: (2024)

Seeking Interpretability and Explainability in Binary Activated Neural Networks
von: Leblanc, Benjamin, et al.
Veröffentlicht: (2022)

Gaussian Pre-Activations in Neural Networks: Myth or Reality?
von: Wolinski, Pierre, et al.
Veröffentlicht: (2022)

Approximation Capabilities of Feedforward Neural Networks with GELU Activations
von: Yakovlev, Konstantin, et al.
Veröffentlicht: (2025)

Watermarking Kolmogorov-Arnold Networks for Emerging Networked Applications via Activation Perturbation
von: Lu, Chia-Hsun, et al.
Veröffentlicht: (2025)

Neural Chameleons: Language Models Can Learn to Hide Their Thoughts from Unseen Activation Monitors
von: McGuinness, Max, et al.
Veröffentlicht: (2025)

Physics-Informed Neural Networks: Minimizing Residual Loss with Wide Networks and Effective Activations
von: Dashtbayaz, Nima Hosseini, et al.
Veröffentlicht: (2024)

Horizon Activation Mapping for Neural Networks in Time Series Forecasting
von: Hans, Krupakar, et al.
Veröffentlicht: (2026)

Neural Networks with Sparse Activation Induced by Large Bias: Tighter Analysis with Bias-Generalized NTK
von: Yang, Hongru, et al.
Veröffentlicht: (2023)

1-Lipschitz Neural Networks are more expressive with N-Activations
von: Prach, Bernd, et al.
Veröffentlicht: (2023)