Buchumschlag

Theoretical Analysis of the Advantage of Deepening Neural Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Esaki, Yasushi, Nakahara, Yuta, Matsushima, Toshiyasu
Format:	Preprint
Veröffentlicht:	2020
Schlagworte:	Machine Learning Neural and Evolutionary Computing I.2.6; I.5.1
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Collapse or Preserve: Data-Dependent Temporal Aggregation for Spiking Neural Network Acceleration
von: Qin, Jiahao
Veröffentlicht: (2026)

Enhanced Protein Intrinsic Disorder Prediction Through Dual-View Multiscale Features and Multi-objective Evolutionary Algorithm
von: Wang, Shaokuan, et al.
Veröffentlicht: (2026)

Expanding continual few-shot learning benchmarks to include recognition of specific instances
von: Kowadlo, Gideon, et al.
Veröffentlicht: (2022)

K-Way Energy Probes for Metacognition Reduce to Softmax in Discriminative Predictive Coding Networks
von: Cacioli, Jon-Paul
Veröffentlicht: (2026)

Neural Attention: A Novel Mechanism for Enhanced Expressive Power in Transformer Models
von: DiGiugno, Andrew, et al.
Veröffentlicht: (2025)

Neuromorphic Parameter Estimation for Power Converter Health Monitoring Using Spiking Neural Networks
von: Baik, Hyeongmeen, et al.
Veröffentlicht: (2026)

Deep Convolutional Autoencoder for Assessment of Drive-Cycle Anomalies in Connected Vehicle Sensor Data
von: Geglio, Anthony, et al.
Veröffentlicht: (2022)

Spiking Neural Network Architecture Search: A Survey
von: Svoboda, Kama, et al.
Veröffentlicht: (2025)

Pulse-Driven Neural Architecture: Learnable Oscillatory Dynamics for Robust Continuous-Time Sequence Processing
von: Sharma, Paras
Veröffentlicht: (2026)

Asynchronous Stochastic Gradient Descent with Decoupled Backpropagation and Layer-Wise Updates
von: Fokam, Cabrel Teguemne, et al.
Veröffentlicht: (2024)

Self-Distillation Learning Based on Temporal-Spatial Consistency for Spiking Neural Networks
von: Zuo, Lin, et al.
Veröffentlicht: (2024)

Vector Symbolic Architectures answer Jackendoff's challenges for cognitive neuroscience
von: Gayler, Ross W.
Veröffentlicht: (2004)

Deep learning in a bilateral brain with hemispheric specialization
von: Rajagopalan, Chandramouli, et al.
Veröffentlicht: (2022)

Perforated Neural Networks for Keyword Spotting
von: Gopal, Vishy, et al.
Veröffentlicht: (2026)

mlx-snn: Spiking Neural Networks on Apple Silicon via MLX
von: Qin, Jiahao
Veröffentlicht: (2026)

Decoding Phone Pairs from MEG Signals Across Speech Modalities
von: de Zuazo, Xabier, et al.
Veröffentlicht: (2025)

Eventprop training for efficient neuromorphic applications
von: Shoesmith, Thomas, et al.
Veröffentlicht: (2025)

On the Convergence and Stability of Upside-Down Reinforcement Learning, Goal-Conditioned Supervised Learning, and Online Decision Transformers
von: Štrupl, Miroslav, et al.
Veröffentlicht: (2025)

Tensor Logic: The Language of AI
von: Domingos, Pedro
Veröffentlicht: (2025)

Timing-Based Backpropagation in Spiking Neural Networks Without Single-Spike Restrictions
von: Yamamoto, Kakei, et al.
Veröffentlicht: (2022)

Dissecting Larval Zebrafish Hunting using Deep Reinforcement Learning Trained RNN Agents
von: Malik, Raaghav, et al.
Veröffentlicht: (2025)

Three Decades of Activations: A Comprehensive Survey of 400 Activation Functions for Neural Networks
von: Kunc, Vladimír, et al.
Veröffentlicht: (2024)

Scalable Nested Optimization for Deep Learning
von: Lorraine, Jonathan
Veröffentlicht: (2024)

Entropy Aware Message Passing in Graph Neural Networks
von: Nazari, Philipp, et al.
Veröffentlicht: (2024)

AdaCap: An Adaptive Contrastive Approach for Small-Data Neural Networks
von: Belucci, Bruno, et al.
Veröffentlicht: (2025)

Random Search as a Baseline for Sparse Neural Network Architecture Search
von: Farahani, Rezsa
Veröffentlicht: (2024)

The Hidden Linear Structure in Score-Based Models and its Application
von: Wang, Binxu, et al.
Veröffentlicht: (2023)

Towards Scaling Deep Neural Networks with Predictive Coding: Theory and Practice
von: Innocenti, Francesco
Veröffentlicht: (2025)

Model Input-Output Configuration Search with Embedded Feature Selection for Sensor Time-series and Image Classification
von: Hoang, Anh T., et al.
Veröffentlicht: (2023)

IP$^{2}$-RSNN: Bi-level Intrinsic Plasticity Enables Learning-to-learn in Recurrent Spiking Neural Networks
von: Yu, Yingchao, et al.
Veröffentlicht: (2025)

Game-Theoretic Gradient Control for Robust Neural Network Training
von: Zaitseva, Maria, et al.
Veröffentlicht: (2025)

Shrinkage Initialization for Smooth Learning of Neural Networks
von: Cheng, Miao, et al.
Veröffentlicht: (2025)

Developing Convolutional Neural Networks using a Novel Lamarckian Co-Evolutionary Algorithm
von: Sharifi, Zaniar, et al.
Veröffentlicht: (2024)

Exploring the Relationship: Transformative Adaptive Activation Functions in Comparison to Other Activation Functions
von: Kunc, Vladimír
Veröffentlicht: (2024)

Introducing Echo Networks for Computational Neuroevolution
von: Kroos, Christian, et al.
Veröffentlicht: (2026)

Contrastive Representation Learning for Dynamic Link Prediction in Temporal Networks
von: Nouranizadeh, Amirhossein, et al.
Veröffentlicht: (2024)

SATORIS-N: Spectral Analysis based Traffic Observation Recovery via Informed Subspaces and Nuclear-norm minimization
von: Mohanty, Sampad, et al.
Veröffentlicht: (2026)

From Basic Affordances to Symbolic Thought: A Computational Phylogenesis of Biological Intelligence
von: Hummel, John E., et al.
Veröffentlicht: (2025)

Multi-Marginal Stochastic Flow Matching for High-Dimensional Snapshot Data at Irregular Time Points
von: Lee, Justin, et al.
Veröffentlicht: (2025)

BMR and BWR: Two simple metaphor-free optimization algorithms for solving real-life non-convex constrained and unconstrained problems
von: Rao, Ravipudi Venkata, et al.
Veröffentlicht: (2024)