:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Gonzalez, Santiago, Qiu, Xin, Miikkulainen, Risto
Format:	Preprint
Veröffentlicht:	2020
Schlagworte:	Machine Learning Neural and Evolutionary Computing
Online-Zugang:	https://arxiv.org/abs/2010.00788
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Leveraging Evolutionary Surrogate-Assisted Prescription in Multi-Objective Chlorination Control Systems
von: Monsia, Rivaaj, et al.
Veröffentlicht: (2025)

Evolutionary Policy Optimization
von: Mustafaoglu, Zelal Su "Lain", et al.
Veröffentlicht: (2025)

EVOTER: Evolution of Transparent Explainable Rule-sets
von: Shahrzad, Hormoz, et al.
Veröffentlicht: (2022)

Asynchronous Evolution of Deep Neural Network Architectures
von: Liang, Jason, et al.
Veröffentlicht: (2023)

Optimizing the Design of an Artificial Pancreas to Improve Diabetes Management
von: Khanna, Ashok, et al.
Veröffentlicht: (2024)

GPU-Accelerated Rule Evaluation and Evolution
von: Shahrzad, Hormoz, et al.
Veröffentlicht: (2024)

Discovering Effective Policies for Land-Use Planning with Neuroevolution
von: Young, Daniel, et al.
Veröffentlicht: (2023)

Evolution Strategies at Scale: LLM Fine-Tuning Beyond Reinforcement Learning
von: Qiu, Xin, et al.
Veröffentlicht: (2025)

Neural Cellular Automata for ARC-AGI
von: Xu, Kevin, et al.
Veröffentlicht: (2025)

Dynamic Design of Machine Learning Pipelines via Metalearning
von: Alcobaça, Edesio, et al.
Veröffentlicht: (2025)

Differential Privacy Regularization: Protecting Training Data Through Loss Function Regularization
von: Aguilera-Martínez, Francisco, et al.
Veröffentlicht: (2024)

Fine-Tuning Language Models to Know What They Know
von: Park, Sangjun, et al.
Veröffentlicht: (2026)

Directly Learning Stock Trading Strategies Through Profit Guided Loss Functions
von: Kar, Devroop, et al.
Veröffentlicht: (2025)

Using context to adapt to sensor drift
von: Warner, J., et al.
Veröffentlicht: (2020)

Evolution With Purpose: Hierarchy-Informed Optimization of Whole-Brain Models
von: Shahrzad, Hormoz, et al.
Veröffentlicht: (2026)

How the Stroop Effect Arises from Optimal Response Times in Laterally Connected Self-Organizing Maps
von: Prabhakaran, Divya, et al.
Veröffentlicht: (2025)

Learning Symbolic Model-Agnostic Loss Functions via Meta-Learning
von: Raymond, Christian, et al.
Veröffentlicht: (2022)

Orthogonal Transforms in Neural Networks Amount to Effective Regularization
von: Zając, Krzysztof, et al.
Veröffentlicht: (2023)

Unlocking the Potential of Global Human Expertise
von: Meyerson, Elliot, et al.
Veröffentlicht: (2024)

DL101 Neural Network Outputs and Loss Functions
von: Berzal, Fernando
Veröffentlicht: (2025)

Meta-Learning Loss Functions for Deep Neural Networks
von: Raymond, Christian
Veröffentlicht: (2024)

Optimizing Chlorination in Water Distribution Systems via Surrogate-assisted Neuroevolution
von: Monsia, Rivaaj, et al.
Veröffentlicht: (2026)

SOFIM: Stochastic Optimization Using Regularized Fisher Information Matrix
von: Sen, Mrinmay, et al.
Veröffentlicht: (2024)

Local Loss Optimization in the Infinite Width: Stable Parameterization of Predictive Coding Networks and Target Propagation
von: Ishikawa, Satoki, et al.
Veröffentlicht: (2024)

Mixture of Experts with Soft Nearest Neighbor Loss: Resolving Expert Collapse via Representation Disentanglement
von: Agarap, Abien Fred, et al.
Veröffentlicht: (2026)

Sleep-Based Homeostatic Regularization for Stabilizing Spike-Timing-Dependent Plasticity in Recurrent Spiking Neural Networks
von: Massey, Andreas, et al.
Veröffentlicht: (2026)

Enhancing Multimodal Protein Function Prediction Through Dual-Branch Dynamic Selection with Reconstructive Pre-Training
von: Luo, Xiaoling, et al.
Veröffentlicht: (2025)

Enhancing Cross Entropy with a Linearly Adaptive Loss Function for Optimized Classification Performance
von: Shim, Jae Wan
Veröffentlicht: (2025)

Next Generation Loss Function for Image Classification
von: Akhmedova, Shakhnaz, et al.
Veröffentlicht: (2024)

Deep Intrinsic Surprise-Regularized Control (DISRC): A Biologically Inspired Mechanism for Efficient Deep Q-Learning in Sparse Environments
von: Kini, Yash, et al.
Veröffentlicht: (2026)

Norm-Q: Effective Compression Method for Hidden Markov Models in Neuro-Symbolic Applications
von: Gao, Hanyuan, et al.
Veröffentlicht: (2025)

Deriving Activation Functions Using Integration
von: Huang, Allen Hao, et al.
Veröffentlicht: (2024)

A Self-Ensemble Inspired Approach for Effective Training of Binary-Weight Spiking Neural Networks
von: Meng, Qingyan, et al.
Veröffentlicht: (2025)

Topology-Aware Activation Functions in Neural Networks
von: Snopov, Pavel, et al.
Veröffentlicht: (2025)

Expanded Gating Ranges Improve Activation Functions
von: Huang, Allen Hao
Veröffentlicht: (2024)

ReLU-KAN: New Kolmogorov-Arnold Networks that Only Need Matrix Addition, Dot Multiplication, and ReLU
von: Qiu, Qi, et al.
Veröffentlicht: (2024)

Activation Functions for "A Feedforward Unitary Equivariant Neural Network"
von: Ma, Pui-Wai
Veröffentlicht: (2024)

Adaptive Activation Functions for Predictive Modeling with Sparse Experimental Data
von: Pourkamali-Anaraki, Farhad, et al.
Veröffentlicht: (2024)

Closed-Form Test Functions for Biophysical Sequence Optimization Algorithms
von: Stanton, Samuel, et al.
Veröffentlicht: (2024)

Integrating Functionalities To A System Via Autoencoder Hippocampus Network
von: Luo, Siwei
Veröffentlicht: (2024)