Buchumschlag

KANs need curvature: penalties for compositional smoothness

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Bagrow, James
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Data Analysis, Statistics and Probability
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Softly Symbolifying Kolmogorov-Arnold Networks
von: Bagrow, James, et al.
Veröffentlicht: (2025)

Multi-Exit Kolmogorov-Arnold Networks: enhancing accuracy and parsimony
von: Bagrow, James, et al.
Veröffentlicht: (2025)

Optimized Architectures for Kolmogorov-Arnold Networks
von: Bagrow, James, et al.
Veröffentlicht: (2025)

Uncertainty Quantification with Bayesian Higher Order ReLU KANs
von: Giroux, James, et al.
Veröffentlicht: (2024)

Tunable correlation retention: A statistical method for generating synthetic data
von: Jävergård, Nicklas, et al.
Veröffentlicht: (2024)

Statistical limits of correlation detection in trees
von: Ganassali, Luca, et al.
Veröffentlicht: (2022)

Physics-informed neural operators for the in situ characterization of locally reacting sound absorbers
von: Schmid, Jonas M., et al.
Veröffentlicht: (2026)

CausationEntropy: Pythonic Optimal Causation Entropy
von: Slote, Kevin, et al.
Veröffentlicht: (2026)

Learning Complex Physical Regimes via Coverage-oriented Uncertainty Quantification: An application to the Critical Heat Flux
von: Cazzola, Michele, et al.
Veröffentlicht: (2026)

From Data to Laws: Neural Discovery of Conservation Laws Without False Positives
von: Ray, Rahul D
Veröffentlicht: (2026)

Data-driven Progressive Discovery of Physical Laws
von: Xia, Mingkun, et al.
Veröffentlicht: (2026)

A Unified Framework for Structured Flow Modeling: From Continuous Fields to Data-Driven Representations
von: Casadei, Diego
Veröffentlicht: (2026)

Neural posterior estimation for scalable and accurate inverse parameter inference in Li-ion batteries
von: Hassanaly, Malik, et al.
Veröffentlicht: (2026)

Dichotomy of Feature Learning and Unlearning: Fast-Slow Analysis on Neural Networks with Stochastic Gradient Descent
von: Imai, Shota, et al.
Veröffentlicht: (2026)

Mutual information and task-relevant latent dimensionality
von: Gulati, Paarth, et al.
Veröffentlicht: (2026)

Scientific Data Compression and Super-Resolution Sampling
von: Vu, Minh, et al.
Veröffentlicht: (2025)

GAMMA_FLOW: Guided Analysis of Multi-label spectra by MAtrix Factorization for Lightweight Operational Workflows
von: Rädle, Viola, et al.
Veröffentlicht: (2025)

Position: Solve Layerwise Linear Models First to Understand Neural Dynamical Phenomena (Neural Collapse, Emergence, Lazy/Rich Regime, and Grokking)
von: Nam, Yoonsoo, et al.
Veröffentlicht: (2025)

Detail Across Scales: Multi-Scale Enhancement for Full Spectrum Neural Representations
von: Ni, Yuan, et al.
Veröffentlicht: (2025)

Learning effective good variables from physical data
von: Barletta, Giulio, et al.
Veröffentlicht: (2024)

Development of a high-resolution indoor radon map using a new machine learning-based probabilistic model and German radon survey data
von: Petermann, Eric, et al.
Veröffentlicht: (2023)

Reliable Statistical Guarantees for Conformal Predictors with Small Datasets
von: Sánchez-Domínguez, Miguel, et al.
Veröffentlicht: (2025)

Scalable Sparse Regression for Model Discovery: The Fast Lane to Insight
von: Golden, Matthew
Veröffentlicht: (2024)

Active Learning with Fully Bayesian Neural Networks for Discontinuous and Nonstationary Data
von: Ziatdinov, Maxim
Veröffentlicht: (2024)

DPGIIL: Dirichlet Process-Deep Generative Model-Integrated Incremental Learning for Clustering in Transmissibility-based Online Structural Anomaly Detection
von: Mei, Lin-Feng, et al.
Veröffentlicht: (2024)

Phase transitions reveal hierarchical structure in deep neural networks
von: Ersoy, Ibrahim Talha, et al.
Veröffentlicht: (2025)

Topological Learning in Multi-Class Data Sets
von: Griffin, Christopher, et al.
Veröffentlicht: (2023)

Data augmentation using diffusion models to enhance inverse Ising inference
von: Lim, Yechan, et al.
Veröffentlicht: (2025)

Dreaming Learning
von: Londei, Alessandro, et al.
Veröffentlicht: (2024)

AI Meets Antimatter: Unveiling Antihydrogen Annihilations
von: Ferreira, Ashley, et al.
Veröffentlicht: (2024)

Simultaneous Dimensionality Reduction: A Data Efficient Approach for Multimodal Representations Learning
von: Abdelaleem, Eslam, et al.
Veröffentlicht: (2023)

Physics-constrained polynomial chaos expansion for scientific machine learning and uncertainty quantification
von: Sharma, Himanshu, et al.
Veröffentlicht: (2024)

Renormalized Graph Representations for Node Classification
von: Caso, Francesco, et al.
Veröffentlicht: (2023)

Learning to solve Bayesian inverse problems: An amortized variational inference approach using Gaussian and Flow guides
von: Karumuri, Sharmila, et al.
Veröffentlicht: (2023)

Exploring how deep learning decodes anomalous diffusion via Grad-CAM
von: Bae, Jaeyong, et al.
Veröffentlicht: (2024)

Variational Garrote for Statistical Physics-based Sparse and Robust Variable Selection
von: Soh, Hyungjoon, et al.
Veröffentlicht: (2025)

Information FOMO: The unhealthy fear of missing out on information. A method for removing misleading data for healthier models
von: Pickering, Ethan, et al.
Veröffentlicht: (2022)

SpecTUS: Spectral Translator for Unknown Structures annotation from EI-MS spectra
von: Hájek, Adam, et al.
Veröffentlicht: (2025)

MEP-Net: Generating Solutions to Scientific Problems with Limited Knowledge by Maximum Entropy Principle
von: Yang, Wuyue, et al.
Veröffentlicht: (2024)

Data-Driven Extreme Response Estimation
von: Edwards, Samuel J., et al.
Veröffentlicht: (2025)