Adrian Riekert

Für die Person sind keine aktuellen Zugehörigkeiten bekannt. Die Person ist nicht mehr an der Universität aktiv.

Publikationen

Strong overall error analysis for the training of artificial neural networks via random initializations Jentzen A, Riekert A (2023) In: Communications in Mathematics and Statistics, 0. doi:10.1007/s40304-022-00292-9 Forschungsartikel (Zeitschrift) \| Peer reviewed \| akzeptiert / in Druck (unveröffentlicht)
Convergence analysis for gradient flows in the training of artificial neural networks with ReLU activation Jentzen A, Riekert A (2023) In: Journal of Mathematical Analysis and Applications, 517(2), 126601. doi:10.1016/j.jmaa.2022.126601 Forschungsartikel (Zeitschrift) \| Peer reviewed \| Veröffentlicht
Algorithmically Designed Artificial Neural Networks (ADANNs): Higher order deep operator learning for parametric partial differential equations Jentzen, A.; Riekert, A.; von Wurstemberger, P. (2023) In: arXiv.org:2302.03286. Forschungsartikel in Online-Sammlung \| Preprint \| eingereicht / in Begutachtung
Existence, uniqueness, and convergence rates for gradient flows in the training of artificial neural networks with ReLU activation Eberle, Simon; Jentzen, Arnulf; Riekert, Adrian; Weiss, Georg S. (2023) In: Electronic Research Archive, 31(5), 2519-2554. doi:10.3934/era.2023128 Forschungsartikel (Zeitschrift) \| Peer reviewed \| Veröffentlicht
On the existence of global minima and convergence analyses for gradient descent methods in the training of deep neural networks Jentzen A, Riekert A (2022) In: Journal of Machine Learning, 1(2), 141-246. doi:10.4208/jml.220114a Forschungsartikel (Zeitschrift) \| Peer reviewed \| Veröffentlicht

Alle Publikationen anzeigen