Understanding Deep Learning

Informazioni relative al progetto

Understanding DL

ID dell’accordo di sovvenzione: 101041711

DOI 10.3030/101041711

Data della firma CE 4 Aprile 2022

Data di avvio 1 Settembre 2022

Data di completamento 31 Agosto 2027

Finanziato da

• European Research Council (ERC)

Costo totale € 1 499 750,00

Contributo UE € 1 499 750,00

Coordinato da

THE HEBREW UNIVERSITY OF JERUSALEM
Israele

CORDIS fornisce collegamenti ai risultati finali pubblici e alle pubblicazioni dei progetti ORIZZONTE.

I link ai risultati e alle pubblicazioni dei progetti del 7° PQ, così come i link ad alcuni tipi di risultati specifici come dataset e software, sono recuperati dinamicamente da .OpenAIRE .

Pubblicazioni

Atti di conferenza (5)

An Exact Poly-Time Membership-Queries Algorithm for Extracting a Three-Layer ReLU Network

Autori: Amit Daniely, Elad Granot
Pubblicato in: 2023
Editore: ICLR

On the Sample Complexity of Two-Layer Networks: Lipschitz Vs. Element-Wise Lipschitz Activation

Autori: Amit Daniely, Elad Granot
Pubblicato in: 2024
Editore: ALT

RedEx: Beyond Fixed Representation Methods via Convex Optimization

Autori: Amit Daniely, Mariano Schain, Gilad Yehudai
Pubblicato in: 2024
Editore: ALT

Computational Complexity of Learning Neural Networks: Smoothness and Degeneracy.

Autori: Amit Daniely, Nati Srebro, Gal Vardi
Pubblicato in: 2023
Editore: NeurIPS

Most Neural Networks Are Almost Learnable.

Autori: Amit Daniely, Nati Srebro, Gal Vardi
Pubblicato in: 2023
Editore: NeurIPS