Datagestuurd variabel basisleren voorbij neurale netwerken: een niet-neuraal raamwerk voor adaptieve basisontdekking

arXiv:2605.05221v1 Aankondigingstype: nieuw Samenvatting: Klassieke representatiesystemen zoals Fourierreeksen, wavelets en vaste woordenboeken bieden analytisch hanteerbare basisuitbreidingen, maar ze zijn niet intrinsiek aangepast aan de empirische structuur van moderne hoogdimensionale gegevens. Neurale netwerken overwinnen deze beperking door kenmerken uit data te leren, maar doen dit door middel van gelaagde niet-lineaire parameterisaties die vaak de interpreteerbaarheid, expliciete controle over de basisstructuur opofferen en