Buchumschlag

Understanding the Theoretical Foundations of Deep Neural Networks through Differential Equations

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhao, Hongjue, Chen, Yizhuo, Wang, Yuchen, Qi, Hairong, Sha, Lui, Abdelzaher, Tarek, Shao, Huajie
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Neural Probabilistic Circuits: Enabling Compositional and Interpretable Predictions through Logical Reasoning
von: Chen, Weixin, et al.
Veröffentlicht: (2025)

ODESteer: A Unified ODE-Based Steering Framework for LLM Alignment
von: Zhao, Hongjue, et al.
Veröffentlicht: (2026)

Dywave: Event-Aligned Dynamic Tokenization for Heterogeneous IoT Sensing Signals
von: Kimura, Tomoyoshi, et al.
Veröffentlicht: (2026)

SCRAG: Social Computing-Based Retrieval Augmented Generation for Community Response Forecasting in Social Media Environments
von: Sun, Dachun, et al.
Veröffentlicht: (2025)

VISAT: Benchmarking Adversarial and Distribution Shift Robustness in Traffic Sign Recognition with Visual Attributes
von: Yu, Simon, et al.
Veröffentlicht: (2025)

Scalable Neural Symbolic Regression using Control Variables
von: Chu, Xieting, et al.
Veröffentlicht: (2023)

Foundation Models for CPS-IoT: Opportunities and Challenges
von: Baris, Ozan, et al.
Veröffentlicht: (2025)

A Generalizable Physics-guided Causal Model for Trajectory Prediction in Autonomous Driving
von: Zong, Zhenyu, et al.
Veröffentlicht: (2026)

Physics-Regulated Deep Reinforcement Learning: Invariant Embeddings
von: Cao, Hongpeng, et al.
Veröffentlicht: (2023)

Deep Neural Networks Inspired by Differential Equations
von: Liu, Yongshuai, et al.
Veröffentlicht: (2025)

Real-DRL: Teach and Learn in Reality
von: Mao, Yanbing, et al.
Veröffentlicht: (2025)

OpenDPDv2: A Unified Learning and Optimization Framework for Neural Network Digital Predistortion
von: Wu, Yizhuo, et al.
Veröffentlicht: (2025)

Neural Structure Learning with Stochastic Differential Equations
von: Wang, Benjie, et al.
Veröffentlicht: (2023)

Meta-Inverse Physics-Informed Neural Networks for High-Dimensional Ordinary Differential Equations
von: Wei, Zhao, et al.
Veröffentlicht: (2026)

Attribution Explanations for Deep Neural Networks: A Theoretical Perspective
von: Deng, Huiqi, et al.
Veröffentlicht: (2025)

Information-Theoretic Foundations for Neural Scaling Laws
von: Jeon, Hong Jun, et al.
Veröffentlicht: (2024)

Fully Bayesian Differential Gaussian Processes through Stochastic Differential Equations
von: Xu, Jian, et al.
Veröffentlicht: (2024)

InfoMAE: Pair-Efficient Cross-Modal Alignment for Multimodal Time-Series Sensing Signals
von: Kimura, Tomoyoshi, et al.
Veröffentlicht: (2025)

Fractional Differential Equation Physics-Informed Neural Network and Its Application in Battery State Estimation
von: Dang, Lujuan, et al.
Veröffentlicht: (2025)

Theoretical Foundations of Scaling Law in Familial Models
von: Song, Huan, et al.
Veröffentlicht: (2025)

Differential Privacy Mechanisms in Neural Tangent Kernel Regression
von: Gu, Jiuxiang, et al.
Veröffentlicht: (2024)

A Theoretical Survey on Foundation Models
von: Fu, Shi, et al.
Veröffentlicht: (2024)

Unifying Bayesian Flow Networks and Diffusion Models through Stochastic Differential Equations
von: Xue, Kaiwen, et al.
Veröffentlicht: (2024)

Social Behaviour Understanding using Deep Neural Networks: Development of Social Intelligence Systems
von: Feng, Ethan Lim Ding, et al.
Veröffentlicht: (2021)

Understanding Transformer Architecture through Continuous Dynamics: A Partial Differential Equation Perspective
von: Zhang, Yukun, et al.
Veröffentlicht: (2024)

SENTINEL: A Multi-Level Formal Framework for Safety Evaluation of Foundation Model-based Embodied Agents
von: Zhan, Simon Sinong, et al.
Veröffentlicht: (2025)

KGroot: Enhancing Root Cause Analysis through Knowledge Graphs and Graph Convolutional Neural Networks
von: Wang, Tingting, et al.
Veröffentlicht: (2024)

Uncertainty-Aware Crime Prediction With Spatial Temporal Multivariate Graph Neural Networks
von: Wang, Zepu, et al.
Veröffentlicht: (2024)

HD-NDEs: Neural Differential Equations for Hallucination Detection in LLMs
von: Li, Qing, et al.
Veröffentlicht: (2025)

From Neural Networks to Logical Theories: The Correspondence between Fibring Modal Logics and Fibring Neural Networks
von: Harzli, Ouns El, et al.
Veröffentlicht: (2025)

Automatically Differentiable Nonlinear Tensor Networks (ADNTNs) for Exponential Compression of Deep Neural Networks
von: Cichocki, Andrzej, et al.
Veröffentlicht: (2026)

Neural Laplace for learning Stochastic Differential Equations
von: Carrel, Adrien
Veröffentlicht: (2024)

Time and State Dependent Neural Delay Differential Equations
von: Monsel, Thibault, et al.
Veröffentlicht: (2023)

Towards Few-shot Self-explaining Graph Neural Networks
von: Peng, Jingyu, et al.
Veröffentlicht: (2024)

Physics-model-guided Worst-case Sampling for Safe Reinforcement Learning
von: Cao, Hongpeng, et al.
Veröffentlicht: (2024)

KIPPO: Koopman-Inspired Proximal Policy Optimization
von: Cozma, Andrei, et al.
Veröffentlicht: (2025)

Neural Port-Hamiltonian Differential Algebraic Equations for Compositional Learning of Electrical Networks
von: Neary, Cyrus, et al.
Veröffentlicht: (2024)

A Generalizable Physics-Enhanced State Space Model for Long-Term Dynamics Forecasting in Complex Environments
von: Wang, Yuchen, et al.
Veröffentlicht: (2025)

Towards a Foundation Model for Partial Differential Equations Across Physics Domains
von: Soares, Eduardo, et al.
Veröffentlicht: (2025)

SPAR: Self-supervised Placement-Aware Representation Learning for Distributed Sensing
von: Chen, Yizhuo, et al.
Veröffentlicht: (2025)