Articles de revues sur le sujet « Lipschitz neural network »
Créez une référence correcte selon les styles APA, MLA, Chicago, Harvard et plusieurs autres
Consultez les 50 meilleurs articles de revues pour votre recherche sur le sujet « Lipschitz neural network ».
À côté de chaque source dans la liste de références il y a un bouton « Ajouter à la bibliographie ». Cliquez sur ce bouton, et nous générerons automatiquement la référence bibliographique pour la source choisie selon votre style de citation préféré : APA, MLA, Harvard, Vancouver, Chicago, etc.
Vous pouvez aussi télécharger le texte intégral de la publication scolaire au format pdf et consulter son résumé en ligne lorsque ces informations sont inclues dans les métadonnées.
Parcourez les articles de revues sur diverses disciplines et organisez correctement votre bibliographie.
Zhu, Zelong, Chunna Zhao et Yaqun Huang. « Fractional order Lipschitz recurrent neural network with attention for long time series prediction ». Journal of Physics : Conference Series 2813, no 1 (1 août 2024) : 012015. http://dx.doi.org/10.1088/1742-6596/2813/1/012015.
Texte intégralZhang, Huan, Pengchuan Zhang et 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 juillet 2019) : 5757–64. http://dx.doi.org/10.1609/aaai.v33i01.33015757.
Texte intégralAraujo, Alexandre, Benjamin Negrevergne, Yann Chevaleyre et Jamal Atif. « On Lipschitz Regularization of Convolutional Layers using Toeplitz Matrix Theory ». Proceedings of the AAAI Conference on Artificial Intelligence 35, no 8 (18 mai 2021) : 6661–69. http://dx.doi.org/10.1609/aaai.v35i8.16824.
Texte intégralXu, Yuhui, Wenrui Dai, Yingyong Qi, Junni Zou et Hongkai Xiong. « Iterative Deep Neural Network Quantization With Lipschitz Constraint ». IEEE Transactions on Multimedia 22, no 7 (juillet 2020) : 1874–88. http://dx.doi.org/10.1109/tmm.2019.2949857.
Texte intégralMohammad, Ibtihal J. « Neural Networks of the Rational r-th Powers of the Multivariate Bernstein Operators ». BASRA JOURNAL OF SCIENCE 40, no 2 (1 septembre 2022) : 258–73. http://dx.doi.org/10.29072/basjs.20220201.
Texte intégralIbtihal.J.M et Ali J. Mohammad. « Neural Network of Multivariate Square Rational Bernstein Operators with Positive Integer Parameter ». European Journal of Pure and Applied Mathematics 15, no 3 (31 juillet 2022) : 1189–200. http://dx.doi.org/10.29020/nybg.ejpam.v15i3.4425.
Texte intégralLiu, Kanglin, et Guoping Qiu. « Lipschitz constrained GANs via boundedness and continuity ». Neural Computing and Applications 32, no 24 (24 mai 2020) : 18271–83. http://dx.doi.org/10.1007/s00521-020-04954-z.
Texte intégralOthmani, S., N. E. Tatar et 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.
Texte intégralXia, Youshen. « An Extended Projection Neural Network for Constrained Optimization ». Neural Computation 16, no 4 (1 avril 2004) : 863–83. http://dx.doi.org/10.1162/089976604322860730.
Texte intégralLi, Peiluan, Yuejing Lu, Changjin Xu et Jing Ren. « Bifurcation Phenomenon and Control Technique in Fractional BAM Neural Network Models Concerning Delays ». Fractal and Fractional 7, no 1 (22 décembre 2022) : 7. http://dx.doi.org/10.3390/fractalfract7010007.
Texte intégralWei Bian et Xiaojun Chen. « Smoothing Neural Network for Constrained Non-Lipschitz Optimization With Applications ». IEEE Transactions on Neural Networks and Learning Systems 23, no 3 (mars 2012) : 399–411. http://dx.doi.org/10.1109/tnnls.2011.2181867.
Texte intégralChen, Xin, Yujuan Si, Zhanyuan Zhang, Wenke Yang et Jianchao Feng. « Improving Adversarial Robustness of ECG Classification Based on Lipschitz Constraints and Channel Activation Suppression ». Sensors 24, no 9 (6 mai 2024) : 2954. http://dx.doi.org/10.3390/s24092954.
Texte intégralZhang, Chi, Wenjie Ruan et Peipei Xu. « Reachability Analysis of Neural Network Control Systems ». Proceedings of the AAAI Conference on Artificial Intelligence 37, no 12 (26 juin 2023) : 15287–95. http://dx.doi.org/10.1609/aaai.v37i12.26783.
Texte intégralYu, Hongshan, Jinzhu Peng et 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.
Texte intégralXin, YU, WU Lingzhen, XIE Mian, WANG Yanlin, XU Liuming, LU Huixia et XU Chenhua. « Smoothing Neural Network for Non‐Lipschitz Optimization with Linear Inequality Constraints ». Chinese Journal of Electronics 30, no 4 (juillet 2021) : 634–43. http://dx.doi.org/10.1049/cje.2021.05.005.
Texte intégralZhao, Chunna, Junjie Ye, Zelong Zhu et Yaqun Huang. « FLRNN-FGA : Fractional-Order Lipschitz Recurrent Neural Network with Frequency-Domain Gated Attention Mechanism for Time Series Forecasting ». Fractal and Fractional 8, no 7 (22 juillet 2024) : 433. http://dx.doi.org/10.3390/fractalfract8070433.
Texte intégralLiang, Youwei, et Dong Huang. « Large Norms of CNN Layers Do Not Hurt Adversarial Robustness ». Proceedings of the AAAI Conference on Artificial Intelligence 35, no 10 (18 mai 2021) : 8565–73. http://dx.doi.org/10.1609/aaai.v35i10.17039.
Texte intégralZhuo, Li’an, Baochang Zhang, Chen Chen, Qixiang Ye, Jianzhuang Liu et David Doermann. « Calibrated Stochastic Gradient Descent for Convolutional Neural Networks ». Proceedings of the AAAI Conference on Artificial Intelligence 33 (17 juillet 2019) : 9348–55. http://dx.doi.org/10.1609/aaai.v33i01.33019348.
Texte intégralLippl, Samuel, Benjamin Peters et Nikolaus Kriegeskorte. « Can neural networks benefit from objectives that encourage iterative convergent computations ? A case study of ResNets and object classification ». PLOS ONE 19, no 3 (21 mars 2024) : e0293440. http://dx.doi.org/10.1371/journal.pone.0293440.
Texte intégralFeyzdar, Mahdi, Ahmad Reza Vali et Valiollah Babaeipour. « Identification and Optimization of Recombinant E. coli Fed-Batch Fermentation Producing γ-Interferon Protein ». International Journal of Chemical Reactor Engineering 11, no 1 (18 juin 2013) : 123–34. http://dx.doi.org/10.1515/ijcre-2012-0081.
Texte intégralStamova, Ivanka, Trayan Stamov et Gani Stamov. « Lipschitz stability analysis of fractional-order impulsive delayed reaction-diffusion neural network models ». Chaos, Solitons & ; Fractals 162 (septembre 2022) : 112474. http://dx.doi.org/10.1016/j.chaos.2022.112474.
Texte intégralChen, Yu-Wen, Ming-Li Chiang et Li-Chen Fu. « Adaptive Formation Control for Multiple Quadrotors with Nonlinear Uncertainties Using Lipschitz Neural Network ». IFAC-PapersOnLine 56, no 2 (2023) : 8714–19. http://dx.doi.org/10.1016/j.ifacol.2023.10.053.
Texte intégralLi, Wenjing, Wei Bian et 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, no 9 (septembre 2020) : 3361–73. http://dx.doi.org/10.1109/tnnls.2019.2944388.
Texte intégralAkrour, Riad, Asma Atamna et Jan Peters. « Convex optimization with an interpolation-based projection and its application to deep learning ». Machine Learning 110, no 8 (19 juillet 2021) : 2267–89. http://dx.doi.org/10.1007/s10994-021-06037-z.
Texte intégralHumphries, Usa, Grienggrai Rajchakit, Pramet Kaewmesri, Pharunyou Chanthorn, Ramalingam Sriraman, Rajendran Samidurai et Chee Peng Lim. « Global Stability Analysis of Fractional-Order Quaternion-Valued Bidirectional Associative Memory Neural Networks ». Mathematics 8, no 5 (14 mai 2020) : 801. http://dx.doi.org/10.3390/math8050801.
Texte intégralBensidhoum, Tarek, Farah Bouakrif et 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, no 12 (19 février 2019) : 3452–67. http://dx.doi.org/10.1177/0142331219826659.
Texte intégralZhang, Fan, Heng-You Lan et 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, no 21 (30 octobre 2022) : 4033. http://dx.doi.org/10.3390/math10214033.
Texte intégralLaurel, Jacob, Rem Yang, Shubham Ugare, Robert Nagel, Gagandeep Singh et Sasa Misailovic. « A general construction for abstract interpretation of higher-order automatic differentiation ». Proceedings of the ACM on Programming Languages 6, OOPSLA2 (31 octobre 2022) : 1007–35. http://dx.doi.org/10.1145/3563324.
Texte intégralTatar, Nasser-Eddine. « Long Time Behavior for a System of Differential Equations with Non-Lipschitzian Nonlinearities ». Advances in Artificial Neural Systems 2014 (14 septembre 2014) : 1–7. http://dx.doi.org/10.1155/2014/252674.
Texte intégralLi, Jia, Cong Fang et Zhouchen Lin. « Lifted Proximal Operator Machines ». Proceedings of the AAAI Conference on Artificial Intelligence 33 (17 juillet 2019) : 4181–88. http://dx.doi.org/10.1609/aaai.v33i01.33014181.
Texte intégralCantarini, Marco, Lucian Coroianu, Danilo Costarelli, Sorin G. Gal et Gianluca Vinti. « Inverse Result of Approximation for the Max-Product Neural Network Operators of the Kantorovich Type and Their Saturation Order ». Mathematics 10, no 1 (25 décembre 2021) : 63. http://dx.doi.org/10.3390/math10010063.
Texte intégralZhao, Liquan, et Yan Liu. « Spectral Normalization for Domain Adaptation ». Information 11, no 2 (27 janvier 2020) : 68. http://dx.doi.org/10.3390/info11020068.
Texte intégralPantoja-Garcia, Luis, Vicente Parra-Vega, Rodolfo Garcia-Rodriguez et Carlos Ernesto Vázquez-García. « A Novel Actor—Critic Motor Reinforcement Learning for Continuum Soft Robots ». Robotics 12, no 5 (9 octobre 2023) : 141. http://dx.doi.org/10.3390/robotics12050141.
Texte intégralVan, Mien. « Higher-order terminal sliding mode controller for fault accommodation of Lipschitz second-order nonlinear systems using fuzzy neural network ». Applied Soft Computing 104 (juin 2021) : 107186. http://dx.doi.org/10.1016/j.asoc.2021.107186.
Texte intégralJiao, Yulin, Feng Xiao, Wenjuan Zhang, Shujuan Huang, Hao Lu et Zhaoting Lu. « Image Inpainting based on Gated Convolution and spectral Normalization ». Frontiers in Computing and Intelligent Systems 6, no 2 (5 décembre 2023) : 96–100. http://dx.doi.org/10.54097/wkezn917.
Texte intégralLi, Cuiying, Rui Wu et Ranzhuo Ma. « Existence of solutions for Caputo fractional iterative equations under several boundary value conditions ». AIMS Mathematics 8, no 1 (2022) : 317–39. http://dx.doi.org/10.3934/math.2023015.
Texte intégralTong, Qingbin, Feiyu Lu, Ziwei Feng, Qingzhu Wan, Guoping An, Junci Cao et Tao Guo. « A Novel Method for Fault Diagnosis of Bearings with Small and Imbalanced Data Based on Generative Adversarial Networks ». Applied Sciences 12, no 14 (21 juillet 2022) : 7346. http://dx.doi.org/10.3390/app12147346.
Texte intégralPauli, Patricia, Anne Koch, Julian Berberich, Paul Kohler et 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.
Texte intégralNegrini, Elisa, Giovanna Citti et Luca Capogna. « System identification through Lipschitz regularized deep neural networks ». Journal of Computational Physics 444 (novembre 2021) : 110549. http://dx.doi.org/10.1016/j.jcp.2021.110549.
Texte intégralZou, Dongmian, Radu Balan et Maneesh Singh. « On Lipschitz Bounds of General Convolutional Neural Networks ». IEEE Transactions on Information Theory 66, no 3 (mars 2020) : 1738–59. http://dx.doi.org/10.1109/tit.2019.2961812.
Texte intégralLaurel, Jacob, Rem Yang, Gagandeep Singh et Sasa Misailovic. « A dual number abstraction for static analysis of Clarke Jacobians ». Proceedings of the ACM on Programming Languages 6, POPL (16 janvier 2022) : 1–30. http://dx.doi.org/10.1145/3498718.
Texte intégralGarcía Cabello, Julia. « Mathematical Neural Networks ». Axioms 11, no 2 (17 février 2022) : 80. http://dx.doi.org/10.3390/axioms11020080.
Texte intégralMa, Shuo, et 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 (avril 2018) : 372–87. http://dx.doi.org/10.1016/j.cnsns.2017.10.012.
Texte intégralNeumayer, Sebastian, Alexis Goujon, Pakshal Bohra et Michael Unser. « Approximation of Lipschitz Functions Using Deep Spline Neural Networks ». SIAM Journal on Mathematics of Data Science 5, no 2 (15 mai 2023) : 306–22. http://dx.doi.org/10.1137/22m1504573.
Texte intégralSong, Xueli, et 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.
Texte intégralHan, Fangfang, Bin Liu, Junchao Zhu et Baofeng Zhang. « Algorithm Design for Edge Detection of High-Speed Moving Target Image under Noisy Environment ». Sensors 19, no 2 (16 janvier 2019) : 343. http://dx.doi.org/10.3390/s19020343.
Texte intégralBecktor, Jonathan, Frederik Schöller, Evangelos Boukas, Mogens Blanke et Lazaros Nalpantidis. « Lipschitz Constrained Neural Networks for Robust Object Detection at Sea ». IOP Conference Series : Materials Science and Engineering 929 (27 novembre 2020) : 012023. http://dx.doi.org/10.1088/1757-899x/929/1/012023.
Texte intégralAziznejad, Shayan, Harshit Gupta, Joaquim Campos et 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.
Texte intégralDelaney, Blaise, Nicole Schulte, Gregory Ciezarek, Niklas Nolte, Mike Williams et 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.
Texte intégralMallat, Stéphane, Sixin Zhang et Gaspar Rochette. « Phase harmonic correlations and convolutional neural networks ». Information and Inference : A Journal of the IMA 9, no 3 (5 novembre 2019) : 721–47. http://dx.doi.org/10.1093/imaiai/iaz019.
Texte intégral