:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Dong, Hang-Cheng, Cheng, Pengcheng, Li, Shuhuan
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	https://arxiv.org/abs/2603.20602
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Quotient Geometry, Effective Curvature, and Implicit Bias in Simple Shallow Neural Networks
von: Dong, Hang-Cheng, et al.
Veröffentlicht: (2026)

Gauge-Equivariant Intrinsic Neural Operators for Geometry-Consistent Learning of Elliptic PDE Maps
von: Cheng, Pengcheng
Veröffentlicht: (2026)

SFO: Learning PDE Operators via Spectral Filtering
von: Koren, Noam, et al.
Veröffentlicht: (2026)

Operator-Guided Invariance Learning for Continuous Reinforcement Learning
von: Zhang, Zuyuan, et al.
Veröffentlicht: (2026)

Spectral Clustering for Discrete Distributions
von: Wang, Zixiao, et al.
Veröffentlicht: (2024)

Unleashing the Denoising Capability of Diffusion Prior for Solving Inverse Problems
von: Zhang, Jiawei, et al.
Veröffentlicht: (2024)

STNet: Spectral Transformation Network for Solving Operator Eigenvalue Problem
von: Wang, Hong, et al.
Veröffentlicht: (2025)

Rethinking Spectral Graph Neural Networks with Spatially Adaptive Filtering
von: Guo, Jingwei, et al.
Veröffentlicht: (2024)

Towards Interpretable Deep Reinforcement Learning Models via Inverse Reinforcement Learning
von: Xie, Sean, et al.
Veröffentlicht: (2022)

HeroFilter: Adaptive Spectral Graph Filter for Varying Heterophilic Relations
von: Zhang, Shuaicheng, et al.
Veröffentlicht: (2025)

Continuous Invariance Learning
von: Lin, Yong, et al.
Veröffentlicht: (2023)

InverseScope: Scalable Activation Inversion for Interpreting Large Language Models
von: Luo, Yifan, et al.
Veröffentlicht: (2025)

Spectral-Risk Safe Reinforcement Learning with Convergence Guarantees
von: Kim, Dohyeong, et al.
Veröffentlicht: (2024)

StaTS: Spectral Trajectory Schedule Learning for Adaptive Time Series Forecasting with Frequency Guided Denoiser
von: Zhang, Jintao, et al.
Veröffentlicht: (2026)

On the Convergence of Continual Learning with Adaptive Methods
von: Han, Seungyub, et al.
Veröffentlicht: (2024)

SILO: Solving Inverse Problems with Latent Operators
von: Raphaeli, Ron, et al.
Veröffentlicht: (2025)

Graph Neural Networks Are More Than Filters: Revisiting and Benchmarking from A Spectral Perspective
von: Dong, Yushun, et al.
Veröffentlicht: (2024)

DPCformer: An Interpretable Deep Learning Model for Genomic Prediction in Crops
von: Deng, Pengcheng, et al.
Veröffentlicht: (2025)

Cross-Space Adaptive Filter: Integrating Graph Topology and Node Attributes for Alleviating the Over-smoothing Problem
von: Huang, Chen, et al.
Veröffentlicht: (2024)

Causal Graph Learning via Distributional Invariance of Cause-Effect Relationship
von: Nguyen, Nang Hung, et al.
Veröffentlicht: (2026)

Learning with Exact Invariances in Polynomial Time
von: Soleymani, Ashkan, et al.
Veröffentlicht: (2025)

Graph VQ-Transformer (GVT): Fast and Accurate Molecular Generation via High-Fidelity Discrete Latents
von: Zheng, Haozhuo, et al.
Veröffentlicht: (2025)

TANTE: Time-Adaptive Operator Learning via Neural Taylor Expansion
von: Wu, Zhikai, et al.
Veröffentlicht: (2025)

Filter then Attend: Improving attention-based Time Series Forecasting with Spectral Filtering
von: Dayag, Elisha, et al.
Veröffentlicht: (2025)

Offline Reinforcement Learning with Discrete Diffusion Skills
von: Qiao, RuiXi, et al.
Veröffentlicht: (2025)

Accurate and Scalable Graph Neural Networks via Message Invariance
von: Shi, Zhihao, et al.
Veröffentlicht: (2025)

From Eigenmodes to Proofs: Integrating Graph Spectral Operators with Symbolic Interpretable Reasoning
von: Kiruluta, Andrew, et al.
Veröffentlicht: (2025)

ASPECT: Node-Level Adaptive Spectral Fusion for Graph Contrastive Learning
von: Li, Zhuolong, et al.
Veröffentlicht: (2026)

HDT: Hierarchical Discrete Transformer for Multivariate Time Series Forecasting
von: Feng, Shibo, et al.
Veröffentlicht: (2025)

Learning Action-based Representations Using Invariance
von: Rudolph, Max, et al.
Veröffentlicht: (2024)

Is Optimal Transport Necessary for Inverse Reinforcement Learning?
von: Dong, Zixuan, et al.
Veröffentlicht: (2025)

Operator Learning with Domain Decomposition for Geometry Generalization in PDE Solving
von: Huang, Jianing, et al.
Veröffentlicht: (2025)

Spectral-inspired Operator Learning with Limited Data and Unknown Physics
von: Wan, Han, et al.
Veröffentlicht: (2025)

IR$^3$: Contrastive Inverse Reinforcement Learning for Interpretable Detection and Mitigation of Reward Hacking
von: Beigi, Mohammad, et al.
Veröffentlicht: (2026)

Provable Length Generalization in Sequence Prediction via Spectral Filtering
von: Marsden, Annie, et al.
Veröffentlicht: (2024)

Spectral Flattening Is All Muon Needs: How Orthogonalization Controls Learning Rate and Convergence
von: Nguyen, Tien-Phat, et al.
Veröffentlicht: (2026)

Uncertainty Quantification for Forward and Inverse Problems of PDEs via Latent Global Evolution
von: Wu, Tailin, et al.
Veröffentlicht: (2024)

Interpretable Classification via a Rule Network with Selective Logical Operators
von: Wei, Bowen, et al.
Veröffentlicht: (2024)

Bayesian Inverse Problems Meet Flow Matching: Efficient and Flexible Inference via Transformers
von: Sherki, Daniil, et al.
Veröffentlicht: (2025)

G2D2: Gradient-Guided Discrete Diffusion for Inverse Problem Solving
von: Murata, Naoki, et al.
Veröffentlicht: (2024)