Buchumschlag

Backpropagation Neural Tree

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ojha, Varun, Nicosia, Giuseppe
Format:	Preprint
Veröffentlicht:	2022
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Systematic Characterization of Minimal Deep Learning Architectures: A Unified Analysis of Convergence, Pruning, and Quantization
von: Zheng, Ziwei, et al.
Veröffentlicht: (2026)

On Learnable Parameters of Optimal and Suboptimal Deep Learning Models
von: Zheng, Ziwei, et al.
Veröffentlicht: (2024)

RegMix: Adversarial Mutual and Generalization Regularization for Enhancing DNN Robustness
von: Liu, Zhenyu, et al.
Veröffentlicht: (2025)

Dynamic Label Adversarial Training for Deep Learning Robustness Against Adversarial Attacks
von: Liu, Zhenyu, et al.
Veröffentlicht: (2024)

Deep Neural Networks via Complex Network Theory: a Perspective
von: La Malfa, Emanuele, et al.
Veröffentlicht: (2024)

Operator-Based Generalization Bound for Deep Learning: Insights on Multi-Task Learning
von: Mohammadigohari, Mahdi, et al.
Veröffentlicht: (2025)

On the Koopman-Based Generalization Bounds for Multi-Task Deep Learning
von: Mohammadigohari, Mahdi, et al.
Veröffentlicht: (2025)

Gradient Similarity Surgery in Multi-Task Deep Learning
von: Borsani, Thomas, et al.
Veröffentlicht: (2025)

Fast and Interpretable Autoregressive Estimation with Neural Network Backpropagation
von: Lucena, Anaísa, et al.
Veröffentlicht: (2026)

Dynamic Spectral Backpropagation for Efficient Neural Network Training
von: Muthuraman, Mannmohan
Veröffentlicht: (2025)

Optimal Control Theoretic Neural Optimizer: From Backpropagation to Dynamic Programming
von: Liu, Guan-Horng, et al.
Veröffentlicht: (2025)

Stabilizing Backpropagation in 16-bit Neural Training with Modified Adam Optimizer
von: Yun, Juyoung
Veröffentlicht: (2023)

The Cost of Avoiding Backpropagation
von: Panchal, Kunjal, et al.
Veröffentlicht: (2025)

Security Assessment of Hierarchical Federated Deep Learning
von: Alqattan, D, et al.
Veröffentlicht: (2024)

Efficient Training of Neural Fractional-Order Differential Equation via Adjoint Backpropagation
von: Kang, Qiyu, et al.
Veröffentlicht: (2025)

Time Series Compression using Quaternion Valued Neural Networks and Quaternion Backpropagation
von: Pöppelbaum, Johannes, et al.
Veröffentlicht: (2024)

Comprehensive Survey of Complex-Valued Neural Networks: Insights into Backpropagation and Activation Functions
von: Hammad, M. M.
Veröffentlicht: (2024)

Rethinking Deep Learning: Propagating Information in Neural Networks without Backpropagation and Statistical Optimization
von: Itoh, Kei
Veröffentlicht: (2024)

Practical Boolean Backpropagation
von: Golbert, Simon
Veröffentlicht: (2025)

Efficient Deep Learning with Decorrelated Backpropagation
von: Dalm, Sander, et al.
Veröffentlicht: (2024)

Grad-Instructor: Universal Backpropagation with Explainable Evaluation Neural Networks for Meta-learning and AutoML
von: Ino, Ryohei
Veröffentlicht: (2024)

Empirical Results for Adjusting Truncated Backpropagation Through Time while Training Neural Audio Effects
von: Bourdin, Yann, et al.
Veröffentlicht: (2025)

THDC: Training Hyperdimensional Computing Models with Backpropagation
von: Dejonghe, Hanne, et al.
Veröffentlicht: (2026)

Towards Scalable Backpropagation-Free Gradient Estimation
von: Wang, Daniel, et al.
Veröffentlicht: (2025)

Efficient Backpropagation with Variance-Controlled Adaptive Sampling
von: Wang, Ziteng, et al.
Veröffentlicht: (2024)

Backpropagation-free Spiking Neural Networks with the Forward-Forward Algorithm
von: Ghader, Mohammadnavid, et al.
Veröffentlicht: (2025)

Backpropagation on Dynamical Networks
von: Tan, Eugene, et al.
Veröffentlicht: (2022)

Backpropagation through Combinatorial Algorithms: Identity with Projection Works
von: Sahoo, Subham Sekhar, et al.
Veröffentlicht: (2022)

Adversarial Disentanglement by Backpropagation with Physics-Informed Variational Autoencoder
von: Koune, Ioannis Christoforos, et al.
Veröffentlicht: (2025)

Unbiased Approximate Vector-Jacobian Products for Efficient Backpropagation
von: Bakong, Killian, et al.
Veröffentlicht: (2026)

Can Local Learning Match Self-Supervised Backpropagation?
von: Zihan, Wu S., et al.
Veröffentlicht: (2026)

Unlocked Backpropagation using Wave Scattering
von: Pehle, Christian, et al.
Veröffentlicht: (2026)

Scalable Learning in Structured Recurrent Spiking Neural Networks without Backpropagation
von: Tang, Bo, et al.
Veröffentlicht: (2026)

Perforated Backpropagation: A Neuroscience Inspired Extension to Artificial Neural Networks
von: Brenner, Rorry, et al.
Veröffentlicht: (2025)

Escaping Spectral Bias without Backpropagation: Fast Implicit Neural Representations with Extreme Learning Machines
von: Cho, Woojin, et al.
Veröffentlicht: (2026)

Advancing On-Device Neural Network Training with TinyPropv2: Dynamic, Sparse, and Efficient Backpropagation
von: Rüb, Marcus, et al.
Veröffentlicht: (2024)

Advancing Training Efficiency of Deep Spiking Neural Networks through Rate-based Backpropagation
von: Yu, Chengting, et al.
Veröffentlicht: (2024)

Subspace Optimization for Backpropagation-Free Continual Test-Time Adaptation
von: Sójka, Damian, et al.
Veröffentlicht: (2026)

Less Memory Means smaller GPUs: Backpropagation with Compressed Activations
von: Barley, Daniel, et al.
Veröffentlicht: (2024)

Is Backpropagation Optimal? When Synthetic Gradients Improve Sample Efficiency
von: Zhang, Yibo Jacky, et al.
Veröffentlicht: (2026)