Zeitschriftenartikel zum Thema „Lipschitz neural network“
Geben Sie eine Quelle nach APA, MLA, Chicago, Harvard und anderen Zitierweisen an
Machen Sie sich mit Top-50 Zeitschriftenartikel für die Forschung zum Thema "Lipschitz neural network" bekannt.
Neben jedem Werk im Literaturverzeichnis ist die Option "Zur Bibliographie hinzufügen" verfügbar. Nutzen Sie sie, wird Ihre bibliographische Angabe des gewählten Werkes nach der nötigen Zitierweise (APA, MLA, Harvard, Chicago, Vancouver usw.) automatisch gestaltet.
Sie können auch den vollen Text der wissenschaftlichen Publikation im PDF-Format herunterladen und eine Online-Annotation der Arbeit lesen, wenn die relevanten Parameter in den Metadaten verfügbar sind.
Sehen Sie die Zeitschriftenartikel für verschiedene Spezialgebieten durch und erstellen Sie Ihre Bibliographie auf korrekte Weise.
Zhu, Zelong, Chunna Zhao und Yaqun Huang. „Fractional order Lipschitz recurrent neural network with attention for long time series prediction“. Journal of Physics: Conference Series 2813, Nr. 1 (01.08.2024): 012015. http://dx.doi.org/10.1088/1742-6596/2813/1/012015.
Der volle Inhalt der QuelleZhang, Huan, Pengchuan Zhang und Cho-Jui Hsieh. „RecurJac: An Efficient Recursive Algorithm for Bounding Jacobian Matrix of Neural Networks and Its Applications“. Proceedings of the AAAI Conference on Artificial Intelligence 33 (17.07.2019): 5757–64. http://dx.doi.org/10.1609/aaai.v33i01.33015757.
Der volle Inhalt der QuelleAraujo, Alexandre, Benjamin Negrevergne, Yann Chevaleyre und Jamal Atif. „On Lipschitz Regularization of Convolutional Layers using Toeplitz Matrix Theory“. Proceedings of the AAAI Conference on Artificial Intelligence 35, Nr. 8 (18.05.2021): 6661–69. http://dx.doi.org/10.1609/aaai.v35i8.16824.
Der volle Inhalt der QuelleXu, Yuhui, Wenrui Dai, Yingyong Qi, Junni Zou und Hongkai Xiong. „Iterative Deep Neural Network Quantization With Lipschitz Constraint“. IEEE Transactions on Multimedia 22, Nr. 7 (Juli 2020): 1874–88. http://dx.doi.org/10.1109/tmm.2019.2949857.
Der volle Inhalt der QuelleMohammad, Ibtihal J. „Neural Networks of the Rational r-th Powers of the Multivariate Bernstein Operators“. BASRA JOURNAL OF SCIENCE 40, Nr. 2 (01.09.2022): 258–73. http://dx.doi.org/10.29072/basjs.20220201.
Der volle Inhalt der QuelleIbtihal.J.M und Ali J. Mohammad. „Neural Network of Multivariate Square Rational Bernstein Operators with Positive Integer Parameter“. European Journal of Pure and Applied Mathematics 15, Nr. 3 (31.07.2022): 1189–200. http://dx.doi.org/10.29020/nybg.ejpam.v15i3.4425.
Der volle Inhalt der QuelleLiu, Kanglin, und Guoping Qiu. „Lipschitz constrained GANs via boundedness and continuity“. Neural Computing and Applications 32, Nr. 24 (24.05.2020): 18271–83. http://dx.doi.org/10.1007/s00521-020-04954-z.
Der volle Inhalt der QuelleOthmani, S., N. E. Tatar und A. Khemmoudj. „Asymptotic behavior of a BAM neural network with delays of distributed type“. Mathematical Modelling of Natural Phenomena 16 (2021): 29. http://dx.doi.org/10.1051/mmnp/2021023.
Der volle Inhalt der QuelleXia, Youshen. „An Extended Projection Neural Network for Constrained Optimization“. Neural Computation 16, Nr. 4 (01.04.2004): 863–83. http://dx.doi.org/10.1162/089976604322860730.
Der volle Inhalt der QuelleLi, Peiluan, Yuejing Lu, Changjin Xu und Jing Ren. „Bifurcation Phenomenon and Control Technique in Fractional BAM Neural Network Models Concerning Delays“. Fractal and Fractional 7, Nr. 1 (22.12.2022): 7. http://dx.doi.org/10.3390/fractalfract7010007.
Der volle Inhalt der QuelleWei Bian und Xiaojun Chen. „Smoothing Neural Network for Constrained Non-Lipschitz Optimization With Applications“. IEEE Transactions on Neural Networks and Learning Systems 23, Nr. 3 (März 2012): 399–411. http://dx.doi.org/10.1109/tnnls.2011.2181867.
Der volle Inhalt der QuelleChen, Xin, Yujuan Si, Zhanyuan Zhang, Wenke Yang und Jianchao Feng. „Improving Adversarial Robustness of ECG Classification Based on Lipschitz Constraints and Channel Activation Suppression“. Sensors 24, Nr. 9 (06.05.2024): 2954. http://dx.doi.org/10.3390/s24092954.
Der volle Inhalt der QuelleZhang, Chi, Wenjie Ruan und Peipei Xu. „Reachability Analysis of Neural Network Control Systems“. Proceedings of the AAAI Conference on Artificial Intelligence 37, Nr. 12 (26.06.2023): 15287–95. http://dx.doi.org/10.1609/aaai.v37i12.26783.
Der volle Inhalt der QuelleYu, Hongshan, Jinzhu Peng und Yandong Tang. „Identification of Nonlinear Dynamic Systems Using Hammerstein-Type Neural Network“. Mathematical Problems in Engineering 2014 (2014): 1–9. http://dx.doi.org/10.1155/2014/959507.
Der volle Inhalt der QuelleXin, YU, WU Lingzhen, XIE Mian, WANG Yanlin, XU Liuming, LU Huixia und XU Chenhua. „Smoothing Neural Network for Non‐Lipschitz Optimization with Linear Inequality Constraints“. Chinese Journal of Electronics 30, Nr. 4 (Juli 2021): 634–43. http://dx.doi.org/10.1049/cje.2021.05.005.
Der volle Inhalt der QuelleZhao, Chunna, Junjie Ye, Zelong Zhu und Yaqun Huang. „FLRNN-FGA: Fractional-Order Lipschitz Recurrent Neural Network with Frequency-Domain Gated Attention Mechanism for Time Series Forecasting“. Fractal and Fractional 8, Nr. 7 (22.07.2024): 433. http://dx.doi.org/10.3390/fractalfract8070433.
Der volle Inhalt der QuelleLiang, Youwei, und Dong Huang. „Large Norms of CNN Layers Do Not Hurt Adversarial Robustness“. Proceedings of the AAAI Conference on Artificial Intelligence 35, Nr. 10 (18.05.2021): 8565–73. http://dx.doi.org/10.1609/aaai.v35i10.17039.
Der volle Inhalt der QuelleZhuo, Li’an, Baochang Zhang, Chen Chen, Qixiang Ye, Jianzhuang Liu und David Doermann. „Calibrated Stochastic Gradient Descent for Convolutional Neural Networks“. Proceedings of the AAAI Conference on Artificial Intelligence 33 (17.07.2019): 9348–55. http://dx.doi.org/10.1609/aaai.v33i01.33019348.
Der volle Inhalt der QuelleLippl, Samuel, Benjamin Peters und Nikolaus Kriegeskorte. „Can neural networks benefit from objectives that encourage iterative convergent computations? A case study of ResNets and object classification“. PLOS ONE 19, Nr. 3 (21.03.2024): e0293440. http://dx.doi.org/10.1371/journal.pone.0293440.
Der volle Inhalt der QuelleFeyzdar, Mahdi, Ahmad Reza Vali und Valiollah Babaeipour. „Identification and Optimization of Recombinant E. coli Fed-Batch Fermentation Producing γ-Interferon Protein“. International Journal of Chemical Reactor Engineering 11, Nr. 1 (18.06.2013): 123–34. http://dx.doi.org/10.1515/ijcre-2012-0081.
Der volle Inhalt der QuelleStamova, Ivanka, Trayan Stamov und Gani Stamov. „Lipschitz stability analysis of fractional-order impulsive delayed reaction-diffusion neural network models“. Chaos, Solitons & Fractals 162 (September 2022): 112474. http://dx.doi.org/10.1016/j.chaos.2022.112474.
Der volle Inhalt der QuelleChen, Yu-Wen, Ming-Li Chiang und Li-Chen Fu. „Adaptive Formation Control for Multiple Quadrotors with Nonlinear Uncertainties Using Lipschitz Neural Network“. IFAC-PapersOnLine 56, Nr. 2 (2023): 8714–19. http://dx.doi.org/10.1016/j.ifacol.2023.10.053.
Der volle Inhalt der QuelleLi, Wenjing, Wei Bian und Xiaoping Xue. „Projected Neural Network for a Class of Non-Lipschitz Optimization Problems With Linear Constraints“. IEEE Transactions on Neural Networks and Learning Systems 31, Nr. 9 (September 2020): 3361–73. http://dx.doi.org/10.1109/tnnls.2019.2944388.
Der volle Inhalt der QuelleAkrour, Riad, Asma Atamna und Jan Peters. „Convex optimization with an interpolation-based projection and its application to deep learning“. Machine Learning 110, Nr. 8 (19.07.2021): 2267–89. http://dx.doi.org/10.1007/s10994-021-06037-z.
Der volle Inhalt der QuelleHumphries, Usa, Grienggrai Rajchakit, Pramet Kaewmesri, Pharunyou Chanthorn, Ramalingam Sriraman, Rajendran Samidurai und Chee Peng Lim. „Global Stability Analysis of Fractional-Order Quaternion-Valued Bidirectional Associative Memory Neural Networks“. Mathematics 8, Nr. 5 (14.05.2020): 801. http://dx.doi.org/10.3390/math8050801.
Der volle Inhalt der QuelleBensidhoum, Tarek, Farah Bouakrif und Michel Zasadzinski. „Iterative learning radial basis function neural networks control for unknown multi input multi output nonlinear systems with unknown control direction“. Transactions of the Institute of Measurement and Control 41, Nr. 12 (19.02.2019): 3452–67. http://dx.doi.org/10.1177/0142331219826659.
Der volle Inhalt der QuelleZhang, Fan, Heng-You Lan und Hai-Yang Xu. „Generalized Hukuhara Weak Solutions for a Class of Coupled Systems of Fuzzy Fractional Order Partial Differential Equations without Lipschitz Conditions“. Mathematics 10, Nr. 21 (30.10.2022): 4033. http://dx.doi.org/10.3390/math10214033.
Der volle Inhalt der QuelleLaurel, Jacob, Rem Yang, Shubham Ugare, Robert Nagel, Gagandeep Singh und Sasa Misailovic. „A general construction for abstract interpretation of higher-order automatic differentiation“. Proceedings of the ACM on Programming Languages 6, OOPSLA2 (31.10.2022): 1007–35. http://dx.doi.org/10.1145/3563324.
Der volle Inhalt der QuelleTatar, Nasser-Eddine. „Long Time Behavior for a System of Differential Equations with Non-Lipschitzian Nonlinearities“. Advances in Artificial Neural Systems 2014 (14.09.2014): 1–7. http://dx.doi.org/10.1155/2014/252674.
Der volle Inhalt der QuelleLi, Jia, Cong Fang und Zhouchen Lin. „Lifted Proximal Operator Machines“. Proceedings of the AAAI Conference on Artificial Intelligence 33 (17.07.2019): 4181–88. http://dx.doi.org/10.1609/aaai.v33i01.33014181.
Der volle Inhalt der QuelleCantarini, Marco, Lucian Coroianu, Danilo Costarelli, Sorin G. Gal und Gianluca Vinti. „Inverse Result of Approximation for the Max-Product Neural Network Operators of the Kantorovich Type and Their Saturation Order“. Mathematics 10, Nr. 1 (25.12.2021): 63. http://dx.doi.org/10.3390/math10010063.
Der volle Inhalt der QuelleZhao, Liquan, und Yan Liu. „Spectral Normalization for Domain Adaptation“. Information 11, Nr. 2 (27.01.2020): 68. http://dx.doi.org/10.3390/info11020068.
Der volle Inhalt der QuellePantoja-Garcia, Luis, Vicente Parra-Vega, Rodolfo Garcia-Rodriguez und Carlos Ernesto Vázquez-García. „A Novel Actor—Critic Motor Reinforcement Learning for Continuum Soft Robots“. Robotics 12, Nr. 5 (09.10.2023): 141. http://dx.doi.org/10.3390/robotics12050141.
Der volle Inhalt der QuelleVan, Mien. „Higher-order terminal sliding mode controller for fault accommodation of Lipschitz second-order nonlinear systems using fuzzy neural network“. Applied Soft Computing 104 (Juni 2021): 107186. http://dx.doi.org/10.1016/j.asoc.2021.107186.
Der volle Inhalt der QuelleJiao, Yulin, Feng Xiao, Wenjuan Zhang, Shujuan Huang, Hao Lu und Zhaoting Lu. „Image Inpainting based on Gated Convolution and spectral Normalization“. Frontiers in Computing and Intelligent Systems 6, Nr. 2 (05.12.2023): 96–100. http://dx.doi.org/10.54097/wkezn917.
Der volle Inhalt der QuelleLi, Cuiying, Rui Wu und Ranzhuo Ma. „Existence of solutions for Caputo fractional iterative equations under several boundary value conditions“. AIMS Mathematics 8, Nr. 1 (2022): 317–39. http://dx.doi.org/10.3934/math.2023015.
Der volle Inhalt der QuelleTong, Qingbin, Feiyu Lu, Ziwei Feng, Qingzhu Wan, Guoping An, Junci Cao und Tao Guo. „A Novel Method for Fault Diagnosis of Bearings with Small and Imbalanced Data Based on Generative Adversarial Networks“. Applied Sciences 12, Nr. 14 (21.07.2022): 7346. http://dx.doi.org/10.3390/app12147346.
Der volle Inhalt der QuellePauli, Patricia, Anne Koch, Julian Berberich, Paul Kohler und Frank Allgower. „Training Robust Neural Networks Using Lipschitz Bounds“. IEEE Control Systems Letters 6 (2022): 121–26. http://dx.doi.org/10.1109/lcsys.2021.3050444.
Der volle Inhalt der QuelleNegrini, Elisa, Giovanna Citti und Luca Capogna. „System identification through Lipschitz regularized deep neural networks“. Journal of Computational Physics 444 (November 2021): 110549. http://dx.doi.org/10.1016/j.jcp.2021.110549.
Der volle Inhalt der QuelleZou, Dongmian, Radu Balan und Maneesh Singh. „On Lipschitz Bounds of General Convolutional Neural Networks“. IEEE Transactions on Information Theory 66, Nr. 3 (März 2020): 1738–59. http://dx.doi.org/10.1109/tit.2019.2961812.
Der volle Inhalt der QuelleLaurel, Jacob, Rem Yang, Gagandeep Singh und Sasa Misailovic. „A dual number abstraction for static analysis of Clarke Jacobians“. Proceedings of the ACM on Programming Languages 6, POPL (16.01.2022): 1–30. http://dx.doi.org/10.1145/3498718.
Der volle Inhalt der QuelleGarcía Cabello, Julia. „Mathematical Neural Networks“. Axioms 11, Nr. 2 (17.02.2022): 80. http://dx.doi.org/10.3390/axioms11020080.
Der volle Inhalt der QuelleMa, Shuo, und Yanmei Kang. „Exponential synchronization of delayed neutral-type neural networks with Lévy noise under non-Lipschitz condition“. Communications in Nonlinear Science and Numerical Simulation 57 (April 2018): 372–87. http://dx.doi.org/10.1016/j.cnsns.2017.10.012.
Der volle Inhalt der QuelleNeumayer, Sebastian, Alexis Goujon, Pakshal Bohra und Michael Unser. „Approximation of Lipschitz Functions Using Deep Spline Neural Networks“. SIAM Journal on Mathematics of Data Science 5, Nr. 2 (15.05.2023): 306–22. http://dx.doi.org/10.1137/22m1504573.
Der volle Inhalt der QuelleSong, Xueli, und Jigen Peng. „Global Asymptotic Stability of Impulsive CNNs with Proportional Delays and Partially Lipschitz Activation Functions“. Abstract and Applied Analysis 2014 (2014): 1–11. http://dx.doi.org/10.1155/2014/832892.
Der volle Inhalt der QuelleHan, Fangfang, Bin Liu, Junchao Zhu und Baofeng Zhang. „Algorithm Design for Edge Detection of High-Speed Moving Target Image under Noisy Environment“. Sensors 19, Nr. 2 (16.01.2019): 343. http://dx.doi.org/10.3390/s19020343.
Der volle Inhalt der QuelleBecktor, Jonathan, Frederik Schöller, Evangelos Boukas, Mogens Blanke und Lazaros Nalpantidis. „Lipschitz Constrained Neural Networks for Robust Object Detection at Sea“. IOP Conference Series: Materials Science and Engineering 929 (27.11.2020): 012023. http://dx.doi.org/10.1088/1757-899x/929/1/012023.
Der volle Inhalt der QuelleAziznejad, Shayan, Harshit Gupta, Joaquim Campos und Michael Unser. „Deep Neural Networks With Trainable Activations and Controlled Lipschitz Constant“. IEEE Transactions on Signal Processing 68 (2020): 4688–99. http://dx.doi.org/10.1109/tsp.2020.3014611.
Der volle Inhalt der QuelleDelaney, Blaise, Nicole Schulte, Gregory Ciezarek, Niklas Nolte, Mike Williams und Johannes Albrecht. „Applications of Lipschitz neural networks to the Run 3 LHCb trigger system“. EPJ Web of Conferences 295 (2024): 09005. http://dx.doi.org/10.1051/epjconf/202429509005.
Der volle Inhalt der QuelleMallat, Stéphane, Sixin Zhang und Gaspar Rochette. „Phase harmonic correlations and convolutional neural networks“. Information and Inference: A Journal of the IMA 9, Nr. 3 (05.11.2019): 721–47. http://dx.doi.org/10.1093/imaiai/iaz019.
Der volle Inhalt der Quelle