Buchumschlag

Non-convex cost functionals in boosting algorithms and methods for panel selection

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Visentin, Marco
Format:	Preprint
Veröffentlicht:	2001
Schlagworte:	Neural and Evolutionary Computing Machine Learning Numerical Analysis I.2.6;G.1.2;G.3;I.6.5
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

CO$_2$ sequestration hybrid solver using isogeometric alternating-directions and collocation-based robust variational physics informed neural networks (IGA-ADS-CRVPINN)
von: Vilkha, Askold, et al.
Veröffentlicht: (2026)

BMR and BWR: Two simple metaphor-free optimization algorithms for solving real-life non-convex constrained and unconstrained problems
von: Rao, Ravipudi Venkata, et al.
Veröffentlicht: (2024)

The Hidden Linear Structure in Score-Based Models and its Application
von: Wang, Binxu, et al.
Veröffentlicht: (2023)

TrajGPT: Controlled Synthetic Trajectory Generation Using a Multitask Transformer-Based Spatiotemporal Model
von: Hsu, Shang-Ling, et al.
Veröffentlicht: (2024)

From Taylor Series to Fourier Synthesis: The Periodic Linear Unit
von: Kudo, Shiko
Veröffentlicht: (2025)

A Self-Organizing Clustering System for Unsupervised Distribution Shift Detection
von: Basterrech, Sebastián, et al.
Veröffentlicht: (2024)

Finite elements for Matérn-type random fields: Uncertainty in computational mechanics and design optimization
von: Duswald, Tobias, et al.
Veröffentlicht: (2024)

Semigroup Consistency as a Diagnostic for Learned Physics Simulators
von: Shikhman, Lennon J.
Veröffentlicht: (2026)

Bayesian Hierarchical Probabilistic Forecasting of Intraday Electricity Prices
von: Nickelsen, Daniel, et al.
Veröffentlicht: (2024)

Isotropic Activation Functions Enable Deindividuated Neurons and Adaptive Topologies
von: Bird, George
Veröffentlicht: (2026)

Asynchronous Stochastic Gradient Descent with Decoupled Backpropagation and Layer-Wise Updates
von: Fokam, Cabrel Teguemne, et al.
Veröffentlicht: (2024)

Exponential Approximation Rates and Parameter Efficiency of Learnable Bernstein Activations
von: Albool, Ibrahim, et al.
Veröffentlicht: (2026)

Enhanced Protein Intrinsic Disorder Prediction Through Dual-View Multiscale Features and Multi-objective Evolutionary Algorithm
von: Wang, Shaokuan, et al.
Veröffentlicht: (2026)

Simulation-in-the-Reasoning (SiR): A Conceptual Framework for Empirically Grounded AI in Autonomous Transportation
von: Xin, Wuping
Veröffentlicht: (2026)

Genetic AI: Evolutionary Games for ab initio dynamic Multi-Objective Optimization
von: Wissgott, Philipp
Veröffentlicht: (2025)

Causal Portfolio Optimization: Principles and Sensitivity-Based Solutions
von: Dominguez, Alejandro Rodriguez
Veröffentlicht: (2025)

Causal PDE-Control Models for Dynamic Portfolio Optimization with Latent Drivers
von: Dominguez, Alejandro Rodriguez
Veröffentlicht: (2025)

RANDSMAPs: Random-Feature/multi-Scale Neural Decoders with Mass Preservation
von: Patsatzis, Dimitrios G., et al.
Veröffentlicht: (2026)

Evolutionary Data Theory: On the Similarities between Data Problems and Evolutionary Games
von: Wissgott, Philipp
Veröffentlicht: (2026)

Divergence-free Linearized Neural Networks: Integral Representation and Optimal Approximation Rates
von: He, Juncai, et al.
Veröffentlicht: (2026)

Graph Coloring for Multi-Task Learning
von: Patapati, Santosh
Veröffentlicht: (2025)

Spiking Neural Network Architecture Search: A Survey
von: Svoboda, Kama, et al.
Veröffentlicht: (2025)

Physics-Informed Learning of Microvascular Flow Models using Graph Neural Networks
von: Botta, Paolo, et al.
Veröffentlicht: (2025)

An optimal-transport finite-particle method for driven mass diffusion
von: Pandolfi, Anna, et al.
Veröffentlicht: (2025)

Hybrid activation functions for deep neural networks: S3 and S4 -- a novel approach to gradient flow optimization
von: Kavun, Sergii
Veröffentlicht: (2025)

A Technical Note on the Architectural Effects on Maximum Dependency Lengths of Recurrent Neural Networks
von: Kent, Jonathan S., et al.
Veröffentlicht: (2024)

Controlling Recurrent Neural Networks by Conceptors
von: Jaeger, Herbert
Veröffentlicht: (2014)

Bayesian Optimization in Linear Time
von: Schneider, Jesse, et al.
Veröffentlicht: (2026)

Differentiable Stochastic Traffic Dynamics: Physics-Informed Generative Modelling in Transportation
von: Xin, Wuping
Veröffentlicht: (2026)

Theoretical Analysis of the Advantage of Deepening Neural Networks
von: Esaki, Yasushi, et al.
Veröffentlicht: (2020)

Deep Convolutional Autoencoder for Assessment of Drive-Cycle Anomalies in Connected Vehicle Sensor Data
von: Geglio, Anthony, et al.
Veröffentlicht: (2022)

Scalable Nested Optimization for Deep Learning
von: Lorraine, Jonathan
Veröffentlicht: (2024)

Mathematical modeling of the mechanical behavior of three-layer plates with a tetrachiral honeycomb core
von: Mazaev, A. V.
Veröffentlicht: (2023)

NeurOptimisation: The Spiking Way to Evolve
von: Cruz-Duarte, Jorge Mario, et al.
Veröffentlicht: (2025)

Off-policy Evaluation with Deeply-abstracted States
von: Hao, Meiling, et al.
Veröffentlicht: (2024)

Vector Symbolic Architectures answer Jackendoff's challenges for cognitive neuroscience
von: Gayler, Ross W.
Veröffentlicht: (2004)

An objective function for order preserving hierarchical clustering
von: Bakkelund, Daniel
Veröffentlicht: (2021)

Alternately-optimized SNN method for acoustic scattering problem in unbounded domain
von: Song, Haoming, et al.
Veröffentlicht: (2025)

Expanding continual few-shot learning benchmarks to include recognition of specific instances
von: Kowadlo, Gideon, et al.
Veröffentlicht: (2022)

Eventprop training for efficient neuromorphic applications
von: Shoesmith, Thomas, et al.
Veröffentlicht: (2025)