Deep Learning Theory: Geometric Analysis of Capacity, Optimization, and Generalization for Improving Learning in Deep Neural Networks

Restricted Boltzmann Machines: Introduction and Review

Auteurs: Guido Montúfar
Publié dans: Information Geometry and Its Applications - On the Occasion of Shun-ichi Amari's 80th Birthday, IGAIA IV Liblice, Czech Republic, June 2016, Numéro 252, 2018, Page(s) 75-115, ISBN 978-3-319-97797-3
Éditeur: Springer International Publishing
DOI: 10.1007/978-3-319-97798-0_4

A Top-Down Approach to Attain Decentralized Multi-agents

Auteurs: Alex Tong Lin, Guido Montufar, Stanley Osher
Publié dans: Handbook of Reinforcement Learning and Control, Numéro Studies in Systems, Decision and Control book series (SSDC, volume 325), 2021, Page(s) 419-431
Éditeur: Springer International Publishing

Stochastic Feedforward Neural Networks: Universal Approximation

Auteurs: Merkh, Thomas; Montúfar, Guido
Publié dans: Mathematical Aspects of Deep Learning, 2022, Page(s) 267–313, ISBN 9781009025096
Éditeur: Cambridge University Press
DOI: 10.1017/9781009025096.007

Optimal Transport to a Variety

Auteurs: Türkü Özlüm Çelik, Asgar Jamneshan, Guido Montúfar, Bernd Sturmfels, Lorenzo Venturello
Publié dans: Mathematical Aspects of Computer and Information Sciences - 8th International Conference, MACIS 2019, Gebze, Turkey, November 13–15, 2019, Revised Selected Papers, Numéro 11989, 2020, Page(s) 364-381, ISBN 978-3-030-43119-8
Éditeur: Springer International Publishing
DOI: 10.1007/978-3-030-43120-4_29

Affine Natural Proximal Learning

Auteurs: Wuchen Li, Alex Tong Lin, Guido Montúfar
Publié dans: Geometric Science of Information - 4th International Conference, GSI 2019, Toulouse, France, August 27–29, 2019, Proceedings, Numéro 11712, 2019, Page(s) 705-714, ISBN 978-3-030-26979-1
Éditeur: Springer International Publishing
DOI: 10.1007/978-3-030-26980-7_73

Ricci curvature for parametric statistics via optimal transport

Auteurs: Wuchen Li, Guido Montúfar
Publié dans: Information Geometry, Numéro 3/1, 2020, Page(s) 89-117, ISSN 2511-2481
Éditeur: Springer
DOI: 10.1007/s41884-020-00026-2

Implicit bias of gradient descent for mean squared error regression with wide neural networks

Auteurs: Jin, Hui; Montúfar, Guido
Publié dans: Journal of Machine Learning Research, Numéro volume 24, number 137, 2023, Page(s) 1--97, ISSN 1533-7928
Éditeur: JMLR

Mixtures and products in two graphical models

Auteurs: Anna Seigal, Guido Montufar
Publié dans: Journal of Algebraic Statistics, Numéro 9/1, 2018, Page(s) 1-20, ISSN 1309-3452
Éditeur: Journal of Algebraic Statistics
DOI: 10.18409/jas.v9i1.90

Wasserstein distance to independence models

Auteurs: Türkü Özlüm Çelik, Asgar Jamneshan, Guido Montúfar, Bernd Sturmfels, Lorenzo Venturello
Publié dans: Journal of Symbolic Computation, Numéro 104, 2021, Page(s) 855-873, ISSN 0747-7171
Éditeur: Academic Press
DOI: 10.1016/j.jsc.2020.10.005

Factorized mutual information maximization

Auteurs: Thomas Merkh, Guido Montúfar
Publié dans: Kybernetika, Numéro Kybernetika 56 no. 5, 2020, Page(s) 948-978, ISSN 0023-5954
Éditeur: Akademie Ved Ceske Republiky
DOI: 10.14736/kyb-2020-5-0948

Geometry and convergence of natural policy gradient methods

Auteurs: Johannes Müller; Guido Montúfar
Publié dans: Information Geometry, Numéro Volume 7, 2023, Page(s) 485–523, ISSN 2511-249X
Éditeur: Springer
DOI: 10.1007/s41884-023-00106-z

Algebraic optimization of sequential decision problems

Auteurs: Mareike Dressler; Marina Garrote-López; Guido Montúfar; Johannes Müller; Kemal Rose
Publié dans: Journal of Symbolic Computation, Numéro Volume 121, 2023, Page(s) 102241, ISSN 0747-7171
Éditeur: Academic Press
DOI: 10.1016/j.jsc.2023.102241

Sharp bounds for the number of regions of maxout networks and vertices of Minkowski sums

Auteurs: Guido Montúfar, Yue Ren, Leon Zhang
Publié dans: SIAM Journal on Applied Algebra and Geometry, Numéro Volume 6, Number 4, 2022, Page(s) 618-649, ISSN 2470-6566
Éditeur: SIAM
DOI: 10.1137/21m1413699

Distributed Learning via Filtered Hyperinterpolation on Manifolds

Auteurs: Guido Montúfar, Yu Guang Wang
Publié dans: Foundations of Computational Mathematics, 2021, ISSN 1615-3375
Éditeur: Springer Verlag
DOI: 10.1007/s10208-021-09529-5

Invariance properties of the natural gradient in overparametrised systems

Auteurs: Jesse van Oostrum; Johannes Müller; Nihat Ay
Publié dans: Information Geometry, Numéro Volume 6, 2022, Page(s) 51–67, ISSN 2511-249X
Éditeur: Springer
DOI: 10.1007/s41884-022-00067-9

Natural gradient via optimal transport

Auteurs: Wuchen Li, Guido Montúfar
Publié dans: Information Geometry, Numéro 1/2, 2018, Page(s) 181-214, ISSN 2511-2481
Éditeur: Springer Nature
DOI: 10.1007/s41884-018-0015-3

Geometry of Linear Convolutional Networks

Auteurs: Kathlén Kohn, Thomas Merkh, Guido Montúfar, Matthew Trager
Publié dans: SIAM Journal on Applied Algebra and Geometry, Numéro Volume 6, Number 3, 2022, Page(s) 368-406, ISSN 2470-6566
Éditeur: SIAM
DOI: 10.1137/21m1441183

Continuity and additivity properties of information decompositions

Auteurs: Johannes Rauh; Pradeep Kr. Banerjee; Eckehard Olbrich; Guido Montúfar; Jürgen Jost
Publié dans: International Journal of Approximate Reasoning, Numéro Volume 161, 2023, Page(s) 108979, ISSN 0888-613X
Éditeur: Elsevier BV
DOI: 10.1016/j.ijar.2023.108979

Decimated Framelet System on Graphs and Fast G-Framelet Transforms

Auteurs: Zheng, X.; Zhou, B.; Wang, Y. G.; Xiaosheng ZHUANG
Publié dans: Journal of Machine Learning Research, Numéro Volume 23, Number 18, 2022, Page(s) 1--68, ISSN 1533-7928
Éditeur: JMLR
DOI: 10.48550/arxiv.2012.06922

Training Wasserstein GANs without gradient penalties

Auteurs: Dohyun Kwon, Yeoneung Kim, Guido Montúfar, Insoon Yang
Publié dans: arxiv, 2021
Éditeur: arxiv

Enumeration of max-pooling responses with generalized permutohedra

Auteurs: Escobar, Laura; Gallardo, Patricio; González-Anaya, Javier; González, José L.; Montúfar, Guido; Morales, Alejandro H.
Publié dans: arxiv, Numéro 2022, 2022
Éditeur: arxiv
DOI: 10.48550/arxiv.2209.14978

On Connectivity of Solutions in Deep Learning: The Role of Over-parameterization and Feature Quality

Auteurs: Quynh Nguyen, Pierre Brechet, Marco Mondelli
Publié dans: arxiv, 2021
Éditeur: arxiv

Pull-back Geometry of Persistent Homology Encodings

Auteurs: Liang, Shuang; Turkeš, Renata; Li, Jiayi; Otter, Nina; Montúfar, Guido
Publié dans: arxiv, 2023
Éditeur: arxiv
DOI: 10.48550/arxiv.2310.07073

How Well Do WGANs Estimate the Wasserstein Metric?

Auteurs: Mallasto, Anton; Montúfar, Guido; Gerolin, Augusto
Publié dans: arxiv, 2019
Éditeur: arxiv

Supermodular Rank: Set Function Decomposition and Optimization

Auteurs: Sonthalia, Rishi; Seigal, Anna; Montufar, Guido
Publié dans: arxiv, Numéro 2023, 2023
Éditeur: arxiv
DOI: 10.48550/arxiv.2305.14632

Mildly Overparameterized ReLU Networks Have a Favorable Loss Landscape

Auteurs: Karhadkar, Kedar; Murray, Michael; Tseran, Hanna; Montúfar, Guido
Publié dans: arxiv, 2023
Éditeur: arxiv
DOI: 10.48550/arxiv.2305.19510

Function Space and Critical Points of Linear Convolutional Networks

Auteurs: Kohn, Kathlén; Montúfar, Guido; Shahverdi, Vahid; Trager, Matthew
Publié dans: arxiv, Numéro 2023, 2023
Éditeur: arxiv
DOI: 10.48550/arxiv.2304.05752

FoSR: First-order spectral rewiring for addressing oversquashing in GNNs

Auteurs: Karhadkar, Kedar; Banerjee, Pradeep Kr.; Montúfar, Guido
Publié dans: International Conference on Learning Representations, Numéro 11, 2023
Éditeur: OpenReview
DOI: 10.48550/arxiv.2210.11790

Critical Points and Convergence Analysis of Generative Deep Linear Networks Trained with Bures-Wasserstein Loss

Auteurs: Pierre Bréchet, Katerina Papagiannouli, Jing An, Guido Montufar
Publié dans: Proceedings of the 40th International Conference on Machine Learning, Numéro PMLR 202, 2023, Page(s) 3106-3147, ISSN 2640-3498
Éditeur: PMLR

Implicit Bias of MSE Gradient Optimization in Underparameterized Neural Networks

Auteurs: Bowman, Benjamin; Montufar, Guido
Publié dans: International Conference on Learning Representations, Numéro 2022, 2022
Éditeur: OpenReview
DOI: 10.48550/arxiv.2201.04738

Error Estimates for the Deep Ritz Method with Boundary Penalty

Auteurs: Müller, Johannes; Zeinhofer, Marius
Publié dans: Proceedings of Mathematical and Scientific Machine Learning, Numéro 2022, 2022, Page(s) 215-230, ISSN 2640-3498
Éditeur: PMLR
DOI: 10.48550/arxiv.2103.01007

How Framelets Enhance Graph Neural Networks

Auteurs: Xuebin Zheng, Bingxin Zhou, Junbin Gao, Yuguang Wang, Pietro Lió, Ming Li, Guido Montufar
Publié dans: Proceedings of the 38th International Conference on Machine Learning, Numéro PMLR 139, 2021, Page(s) 12761-12771
Éditeur: PMLR

Task-agnostic constraining in average reward POMDPs

Auteurs: Montúfar, Guido ; Rauh, Johannes and Ay, Nihat
Publié dans: Task-Agnostic Reinforcement Learning Workshop at ICLR 2019, 2019
Éditeur: GitHub

On the expected complexity of maxout networks

Auteurs: Hanna Tseran, Guido Montúfar
Publié dans: Advances in Neural Information Processing Systems, Numéro 34, 2021, Page(s) 28995--29008
Éditeur: Curran Associates, Inc.

On the effectiveness of persistent homology

Auteurs: Turkeš, Renata; Montúfar, Guido; Otter, Nina
Publié dans: Advances in Neural Information Processing Systems, Numéro 35, 2022, Page(s) 35432--35448, ISBN 9781713871088
Éditeur: Curran Associates, Inc.
DOI: 10.48550/arxiv.2206.10551

On the Proof of Global Convergence of Gradient Descent for Deep ReLU Networks with Linear Widths

Auteurs: Quynh Nguyen
Publié dans: Proceedings of the 38th International Conference on Machine Learning, Numéro PMLR 139, 2021, Page(s) 8056-8062
Éditeur: PMLR

Optimization Theory for ReLU Neural Networks Trained with Normalization Layers

Auteurs: Dukler, Yonatan; Gu, Quanquan; Montúfar, Guido
Publié dans: Proceedings of the 37th International Conference on Machine Learning, Numéro volume 119, 2020, Page(s) 2751-2760
Éditeur: PMLR

The Variational Deficiency Bottleneck

Auteurs: Pradeep Kr. Banerjee, Guido Montufar
Publié dans: 2020 International Joint Conference on Neural Networks (IJCNN), 2020, Page(s) 1-8, ISBN 978-1-7281-6926-2
Éditeur: IEEE
DOI: 10.1109/ijcnn48605.2020.9206900

Haar Graph Pooling

Auteurs: Yu Guang Wang, Ming Li, Zheng Ma, Guido Montufar, Xiaosheng Zhuang, Yanan Fan
Publié dans: Proceedings of the 37th International Conference on Machine Learning, Numéro PMLR 119, 2020, Page(s) 9952-9962
Éditeur: PMLR

Tight Bounds on the Smallest Eigenvalue of the Neural Tangent Kernel for Deep ReLU Networks

Auteurs: Quynh Nguyen, Marco Mondelli, Guido Montufar
Publié dans: Proceedings of the 38th International Conference on Machine Learning, Numéro PMLR 139, 2021, Page(s) 8119-8129
Éditeur: PMLR

Solving infinite-horizon POMDPs with memoryless stochastic policies in state-action space

Auteurs: Müller, Johannes; Montúfar, Guido
Publié dans: RLDM The Multi-disciplinary Conference on Reinforcement Learning and Decision Making, Numéro 2022, 2022, Page(s) 435-439
Éditeur: RLDM
DOI: 10.48550/arxiv.2205.14098

Weisfeiler and Lehman Go Cellular: CW Networks

Auteurs: Cristian Bodnar, Fabrizio Frasca, Nina Otter, Yu Guang Wang, Pietro Liò, Guido Montúfar, Michael Bronstein
Publié dans: Advances in Neural Information Processing Systems, Numéro 34, 2021, Page(s) 2625--2640
Éditeur: Curran Associates, Inc.

Can neural networks learn persistent homology features?

Auteurs: Guido Montúfar, Nina Otter, Yuguang Wang
Publié dans: Topological Data Analysis and Beyond Workshop at the 34th Conference on Neural Information Processing Systems (NeurIPS 2020), Vancouver, Canada, 2020
Éditeur: Openreview

Spectral Bias Outside the Training Set for Deep Networks in the Kernel Regime

Auteurs: Bowman, Benjamin; Montufar, Guido
Publié dans: Advances in Neural Information Processing Systems, Numéro 35, 2022, Page(s) 30362--30377, ISBN 9781713871088
Éditeur: Curran Associates, Inc.
DOI: 10.48550/arxiv.2206.02927

Weisfeiler and Lehman Go Topological: Message Passing Simplicial Networks

Auteurs: Cristian Bodnar, Fabrizio Frasca, Yuguang Wang, Nina Otter, Guido F Montufar, Pietro Lió, Michael Bronstein
Publié dans: Proceedings of the 38th International Conference on Machine Learning, Numéro PMLR 139, 2021, Page(s) 1026-1037
Éditeur: PMLR

Computing the Unique Information

Auteurs: Pradeep Kr. Banerjee, Johannes Rauh, Guido Montufar
Publié dans: 2018 IEEE International Symposium on Information Theory (ISIT), 2018, Page(s) 141-145, ISBN 978-1-5386-4781-3
Éditeur: IEEE
DOI: 10.1109/isit.2018.8437757

The Geometry of Memoryless Stochastic Policy Optimization in Infinite-Horizon POMDPs

Auteurs: Müller, Johannes; Montúfar, Guido
Publié dans: International Conference on Learning Representations, Numéro 2022, 2022
Éditeur: OpenReview
DOI: 10.48550/arxiv.2110.07409

Wasserstein of Wasserstein loss for learning generative models

Auteurs: Yonatan Dukler, Wuchen Li, Alex Tong Lin, Guido Montúfar
Publié dans: Proceedings of the 36th international conference on machine learning, Numéro PMLR 97, 2019, Page(s) 1716-1725
Éditeur: JMLR, Inc. and Microtome Publishing

Wasserstein diffusion Tikhonov regularization

Auteurs: Lin, Alex Tong ; Dukler, Yonatan ; Li, Wuchen and Montúfar, Guido
Publié dans: NeurIPS 2019 Workshop on optimal transport and machine learning, 2019
Éditeur: Arxiv

A continuity result for optimal memoryless planning in POMDPs

Auteurs: Ay, Nihat ; Rauh, Johannes and Montúfar, Guido
Publié dans: RLDM, 2019
Éditeur: RLDM

Wasserstein proximal of GANs

Auteurs: Alex Tong Lin, Wuchen Li, Stanley Osher, Guido Montúfar
Publié dans: International Conference on Geometric Science of Information GSI 2021, Numéro Lecture Notes in Computer Science book series (LNCS, volume 12829), 2018, Page(s) 524-533, ISBN 978-3-030-80209-7
Éditeur: Springer International Publishing
DOI: 10.1007/978-3-030-80209-7_57

PAC-Bayes and Information Complexity

Auteurs: Pradeep Kr. Banerjee, Guido Montufar
Publié dans: ICLR 2021 Workshop Neural Compression: From Information Theory to Applications, 2021
Éditeur: OpenReview

When Are Solutions Connected in Deep Networks?

Auteurs: Nguyen, Quynh; Brechet, Pierre; Mondelli, Marco
Publié dans: Advances in Neural Information Processing Systems, Numéro 34, 2021, Page(s) 20956--20969, ISBN 9781713845393
Éditeur: Curran Associates, Inc.
DOI: 10.48550/arxiv.2102.09671

Weisfeiler and Lehman go Topological: Message Passing Simplicial Networks

Auteurs: Cristian Bodnar, Fabrizio Frasca, Yu Guang Wang, Nina Otter, Guido Montufar, Pietro Lio, Michael Bronstein
Publié dans: ICLR 2021 Workshop on Geometrical and Topological Representation Learning, 2021
Éditeur: OpenReview

Characterizing the Spectrum of the NTK via a Power Series Expansion

Auteurs: Murray, Michael; Jin, Hui; Bowman, Benjamin; Montufar, Guido
Publié dans: International Conference on Learning Representations, Numéro 11, 2023
Éditeur: OpenReview
DOI: 10.48550/arxiv.2211.07844

Achieving High Accuracy with PINNs via Energy Natural Gradients

Auteurs: Müller, Johannes; Zeinhofer, Marius
Publié dans: Proceedings of the 40th International Conference on Machine Learning, Numéro 40, 2023, Page(s) 25471--25485
Éditeur: PMLR
DOI: 10.48550/arxiv.2302.13163

Learning curves for Gaussian process regression with power-law priors and targets

Auteurs: Jin, Hui; Banerjee, Pradeep Kr.; Mont��far, Guido
Publié dans: International Conference on Learning Representations, Numéro 2022, 2022
Éditeur: OpenReview
DOI: 10.48550/arxiv.2110.12231

Oversquashing in GNNs through the lens of information contraction and graph expansion

Auteurs: Pradeep Kr. Banerjee; Kedar Karhadkar; Yu Guang Wang; Uri Alon; Guido Montufar
Publié dans: 58th Annual Allerton Conference on Communication, Control, and Computing (Allerton), Numéro 58, 2022, Page(s) 1-8
Éditeur: IEEE
DOI: 10.1109/allerton49937.2022.9929363

Decentralized Multi-Agents by Imitation of a Centralized Controller

Auteurs: Alex Lin, Mark Debord, Gary Hewer, Katia Estabridi, Guido Montufar, Stanley Osher
Publié dans: 2nd Annual Conference on Mathematical and Scientific Machine Learning, Numéro PMLR vol 145, 2021
Éditeur: PMLR

Expected Gradients of Maxout Networks and Consequences to Parameter Initialization

Auteurs: Tseran, Hanna; Montúfar, Guido
Publié dans: Proceedings of the 40th International Conference on Machine Learning, Numéro PMLR 202, 2023, Page(s) 34491-34532
Éditeur: PMLR
DOI: 10.48550/arxiv.2301.06956

Kernelized Wasserstein Natural Gradient

Auteurs: Arbel, Michael; Gretton, Arthur; Li, Wuchen; Montufar, Guido
Publié dans: International Conference on Learning Representations, Numéro 2020, 2020, Page(s) 31
Éditeur: ICLR

Information Complexity and Generalization Bounds

Auteurs: Pradeep Kr. Banerjee, Guido Montufar
Publié dans: 2021 IEEE International Symposium on Information Theory (ISIT), 2021, Page(s) 676-681, ISBN 978-1-5386-8209-8
Éditeur: IEEE
DOI: 10.1109/isit45174.2021.9517960

Publications

Partager cette page Partager cette page sur les réseaux sociaux

Télécharger Télécharger le contenu de la page