Zhiyuan Li

Hivatkozott rá

	Összes	2019 óta
Hivatkozások	5103	5048
h-index	27	27
i10-index	33	33

1400

700

350

1050

2017201820192020202120222023202414 33 235 638 789 983 1066 1325

Nyilvános hozzáférés

Összes megtekintése

19 cikk

0 cikk

elérhető

nem érhető el

Finanszírozási megbízások alapján

Társszerzők

Sanjeev AroraProfessor of Computer Science, Princeton UniversityE-mail megerősítve itt: cs.princeton.edu
Wei HuAssistant Professor of Computer Science and Engineering, University of MichiganE-mail megerősítve itt: umich.edu
Simon Shaolei DuAssistant Professor, School of Computer Science and Engineering, University of WashingtonE-mail megerősítve itt: cs.washington.edu
Ruosong WangAssistant Professor, Peking UniversityE-mail megerősítve itt: pku.edu.cn
Kaifeng LyuPrinceton UniversityE-mail megerősítve itt: princeton.edu
Tengyu MAStanford UniversityE-mail megerősítve itt: stanford.edu
Ruslan SalakhutdinovUPMC Professor, Machine Learning Department, CMUE-mail megerősítve itt: cs.cmu.edu
Dingli YuPrinceton UniversityE-mail megerősítve itt: cs.princeton.edu
Srinadh BhojanapalliResearch Scientist, Google ResearchE-mail megerősítve itt: google.com
Tianhao WangResearch Assistant Professor, Toyota Technological Institute at ChicagoE-mail megerősítve itt: ttic.edu
Hong LiuStanford UniversityE-mail megerősítve itt: stanford.edu
Yann LeCunChief AI Scientist at Facebook & Silver Professor at the Courant Institute, New York UniversityE-mail megerősítve itt: cs.nyu.edu
Nathan SrebroProfessor, TTIC and University of ChicagoE-mail megerősítve itt: ttic.edu
Kaiyue WenPhd Student, Stanford UniversityE-mail megerősítve itt: stanford.edu
Sadhika MalladiPrinceton UniversityE-mail megerősítve itt: princeton.edu
Jason D. LeeAssociate Professor of Electrical Engineering and Computer Science, Princeton UniversityE-mail megerősítve itt: princeton.edu
Yi ZhangSenior Researcher at Microsoft Research RedmondE-mail megerősítve itt: microsoft.com
Percy LiangAssociate Professor of Computer Science, Stanford UniversityE-mail megerősítve itt: cs.stanford.edu
David HallStanfordE-mail megerősítve itt: stanford.edu
Runzhe WangPrinceton UniversityE-mail megerősítve itt: princeton.edu

Követés

Zhiyuan Li

Assistant Professor, Toyota Technological Institute at Chicago

E-mail megerősítve itt: ttic.edu - Kezdőlap

deep learning theory machine learning theory


Cím Rendezés hivatkozások szerint Rendezés év szerint Rendezés cím szerint	Hivatkozott rá Hivatkozott rá	Év
Fine-grained analysis of optimization and generalization for overparameterized two-layer neural networks S Arora, S Du, W Hu, Z Li, R Wang International Conference on Machine Learning, 322-332, 2019	1087	2019
On exact computation with an infinitely wide neural net S Arora, SS Du, W Hu, Z Li, RR Salakhutdinov, R Wang Advances in neural information processing systems 32, 2019	1028	2019
Towards understanding the role of over-parametrization in generalization of neural networks B Neyshabur, Z Li, S Bhojanapalli, Y LeCun, N Srebro arXiv preprint arXiv:1805.12076, 2018	621	2018
An exponential learning rate schedule for deep learning Z Li, S Arora arXiv preprint arXiv:1910.07454, 2019	226	2019
Harnessing the power of infinitely wide deep nets on small-data tasks S Arora, SS Du, Z Li, R Salakhutdinov, R Wang, D Yu	196	2019
Towards resolving the implicit bias of gradient descent for matrix factorization: Greedy low-rank learning Z Li, Y Luo, K Lyu arXiv preprint arXiv:2012.09839, 2020	146	2020
Enhanced convolutional neural tangent kernels Z Li, R Wang, D Yu, SS Du, W Hu, R Salakhutdinov, S Arora arXiv preprint arXiv:1911.00809, 2019	138	2019
Theoretical analysis of auto rate-tuning by batch normalization S Arora, Z Li, K Lyu arXiv preprint arXiv:1812.03981, 2018	130	2018
Learning in games: Robustness of fast convergence DJ Foster, Z Li, T Lykouris, K Sridharan, E Tardos Advances in Neural Information Processing Systems 29, 2016	128	2016
Understanding gradient descent on the edge of stability in deep learning S Arora, Z Li, A Panigrahi International Conference on Machine Learning, 948-1024, 2022	112	2022
What Happens after SGD Reaches Zero Loss?--A Mathematical Framework Z Li, T Wang, S Arora arXiv preprint arXiv:2110.06914, 2021	109	2021
Sophia: A scalable stochastic second-order optimizer for language model pre-training H Liu, Z Li, D Hall, P Liang, T Ma arXiv preprint arXiv:2305.14342, 2023	108	2023
Simple and effective regularization methods for training on noisily labeled data with generalization guarantee W Hu, Z Li, D Yu International Conference on Learning Representations (ICLR 2020), 2019	98*	2019
Explaining landscape connectivity of low-cost solutions for multilayer nets R Kuditipudi, X Wang, H Lee, Y Zhang, Z Li, W Hu, R Ge, S Arora Advances in neural information processing systems 32, 2019	96	2019
On the validity of modeling sgd with stochastic differential equations (sdes) Z Li, S Malladi, S Arora Advances in Neural Information Processing Systems 34, 12712-12725, 2021	90	2021
Gradient descent on two-layer nets: Margin maximization and simplicity bias K Lyu, Z Li, R Wang, S Arora Advances in Neural Information Processing Systems 34, 12978-12991, 2021	84	2021
Understanding the generalization benefit of normalization layers: Sharpness reduction K Lyu, Z Li, S Arora Advances in Neural Information Processing Systems 35, 34689-34708, 2022	78	2022
Reconciling modern deep learning with traditional optimization analyses: The intrinsic learning rate Z Li, K Lyu, S Arora Advances in Neural Information Processing Systems 33, 14544-14555, 2020	76	2020
How Does Sharpness-Aware Minimization Minimizes Sharpness? K Wen, T Ma, Z Li The Eleventh International Conference on Learning Representations, 2023	72	2023
Why are convolutional nets more sample-efficient than fully-connected nets? Z Li, Y Zhang, S Arora arXiv preprint arXiv:2010.08515, 2020	61	2020

A rendszer jelenleg nem tudja elvégezni a műveletet. Próbálkozzon újra később.

Cikkek 1–20

Hivatkozások évente

Ismétlődő hivatkozások

Összevont hivatkozások

Társszerzők hozzáadásaTársszerzők

Követés

Hivatkozott rá

Társszerzők