Buchumschlag

Local Urysohn Width: A Topological Complexity Measure for Classification

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Li, Xin
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

Urysohn Width and Surgeries
von: Berdnikov, Aleksandr, et al.
Veröffentlicht: (2026)

From Sublinear to Linear: Local Convergence in Finite-Width Networks via Locally Polyak-Lojasiewicz Regions
von: Aich, Agnideep, et al.
Veröffentlicht: (2025)

Topological Trajectory Classification and Landmark Inference on Simplicial Complexes
von: Grande, Vincent P., et al.
Veröffentlicht: (2024)

Virtual Width Networks
von: Seed, et al.
Veröffentlicht: (2025)

Structural Learning Theory: A Metric-Topology Factorization Approach
von: Li, Xin
Veröffentlicht: (2026)

Polynomial Threshold Functions of Bounded Tree-Width: Some Explainability and Complexity Aspects
von: Chubarian, Karine, et al.
Veröffentlicht: (2025)

A Metric Topology of Deep Learning for Data Classification
von: Wu, Jwo-Yuh, et al.
Veröffentlicht: (2025)

Polynomial Width is Sufficient for Set Representation with High-dimensional Features
von: Wang, Peihao, et al.
Veröffentlicht: (2023)

Logarithmic Width Suffices for Robust Memorization
von: Egosi, Amitsour, et al.
Veröffentlicht: (2025)

Loss Gradient Gaussian Width based Generalization and Optimization Guarantees
von: Banerjee, Arindam, et al.
Veröffentlicht: (2024)

Spectral Condition for $μ$P under Width-Depth Scaling
von: Zheng, Chenyu, et al.
Veröffentlicht: (2026)

CantorNet: A Sandbox for Testing Geometrical and Topological Complexity Measures
von: Lewandowski, Michal, et al.
Veröffentlicht: (2024)

Channel Estimation by Infinite Width Convolutional Networks
von: Mallik, Mohammed, et al.
Veröffentlicht: (2025)

Adaptive Width Neural Networks
von: Errica, Federico, et al.
Veröffentlicht: (2025)

Memory-Amortized Inference: A Topological Unification of Search, Closure, and Structure
von: Li, Xin
Veröffentlicht: (2025)

Flexible Infinite-Width Graph Convolutional Neural Networks
von: Anson, Ben, et al.
Veröffentlicht: (2024)

Minimum Width of Deep Narrow Networks for Universal Approximation
von: Yang, Xiao-Song, et al.
Veröffentlicht: (2025)

Infinite Width Limits of Self Supervised Neural Networks
von: Fleissner, Maximilian, et al.
Veröffentlicht: (2024)

Local Loss Optimization in the Infinite Width: Stable Parameterization of Predictive Coding Networks and Target Propagation
von: Ishikawa, Satoki, et al.
Veröffentlicht: (2024)

Mixture of Universal Experts: Scaling Virtual Width via Depth-Width Transformation
von: Chen, Yilong, et al.
Veröffentlicht: (2026)

On the Diminishing Returns of Width for Continual Learning
von: Guha, Etash, et al.
Veröffentlicht: (2024)

Neural Networks for Generating Better Local Optima in Topology Optimization
von: Herrmann, Leon, et al.
Veröffentlicht: (2024)

A Rigorous, Tractable Measure of Model Complexity
von: Allerbo, Oskar, et al.
Veröffentlicht: (2026)

Universality of Linear Recurrences Followed by Non-linear Projections: Finite-Width Guarantees and Benefits of Complex Eigenvalues
von: Orvieto, Antonio, et al.
Veröffentlicht: (2023)

The WidthWall: A Strict Expressivity Hierarchy for Hypergraph Neural Networks
von: Jiang, Fengqing, et al.
Veröffentlicht: (2026)

Efficient Techniques for Data Reconstruction, with Finite-Width Recovery Guarantees
von: Tansley, Edward, et al.
Veröffentlicht: (2026)

Depth Separation in Norm-Bounded Infinite-Width Neural Networks
von: Parkinson, Suzanna, et al.
Veröffentlicht: (2024)

On the Parameterization of Second-Order Optimization Effective Towards the Infinite Width
von: Ishikawa, Satoki, et al.
Veröffentlicht: (2023)

The Role of Depth, Width, and Tree Size in Expressiveness of Deep Forest
von: Lyu, Shen-Huan, et al.
Veröffentlicht: (2024)

Fast, Accurate and Interpretable Graph Classification with Topological Kernels
von: Wesołowski, Adam, et al.
Veröffentlicht: (2025)

An Infinite-Width Analysis on the Jacobian-Regularised Training of a Neural Network
von: Kim, Taeyoung, et al.
Veröffentlicht: (2023)

Investigating the Impact of Model Width and Density on Generalization in Presence of Label Noise
von: Xue, Yihao, et al.
Veröffentlicht: (2022)

Complex Networks for Pattern-Based Data Classification
von: Chire, Josimar, et al.
Veröffentlicht: (2025)

Topological Kalman Filtering on Cell Complexes
von: Liu, Chengen, et al.
Veröffentlicht: (2026)

On Measuring Localization of Shortcuts in Deep Networks
von: Tsoy, Nikita, et al.
Veröffentlicht: (2025)

Where and How to Enhance: Discovering Bit-Width Contribution for Mixed Precision Quantization
von: Kang, Haidong, et al.
Veröffentlicht: (2025)

A Two-Scale Complexity Measure for Deep Learning Models
von: Datres, Massimiliano, et al.
Veröffentlicht: (2024)

Optimization for Neural Operators can Benefit from Width
von: Cisneros-Velarde, Pedro, et al.
Veröffentlicht: (2025)

Quantum Measurement Classification with Qudits
von: Useche, Diego H., et al.
Veröffentlicht: (2021)

Local Topology Measures of Contextual Language Model Latent Spaces With Applications to Dialogue Term Extraction
von: Ruppik, Benjamin Matthias, et al.
Veröffentlicht: (2024)