Buchumschlag

iMixer: hierarchical Hopfield network implies an invertible, implicit and iterative MLP-Mixer

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ota, Toshihiro, Taki, Masato
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Machine Learning Disordered Systems and Neural Networks Computer Vision and Pattern Recognition Neural and Evolutionary Computing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Hierarchical Associative Memory, Parallelized MLP-Mixer, and Symmetry Breaking
von: Karakida, Ryo, et al.
Veröffentlicht: (2024)

Evidence of Scaling Regimes in the Hopfield Dynamics of Whole Brain Model
von: Gosti, Giorgio, et al.
Veröffentlicht: (2024)

Prototype Analysis in Hopfield Networks with Hebbian Learning
von: McAlister, Hayden, et al.
Veröffentlicht: (2024)

Random Features Hopfield Networks generalize retrieval to previously unseen examples
von: Kalaj, Silvio, et al.
Veröffentlicht: (2024)

A Dynamical Theory of Sequential Retrieval in Input-Driven Hopfield Networks
von: Betteti, Simone, et al.
Veröffentlicht: (2026)

Structure of activity in multiregion recurrent neural networks
von: Clark, David G., et al.
Veröffentlicht: (2024)

Connectivity structure and dynamics of nonlinear recurrent neural networks
von: Clark, David G., et al.
Veröffentlicht: (2024)

Identifying the impact of local connectivity patterns on dynamics in excitatory-inhibitory networks
von: Shao, Yuxiu, et al.
Veröffentlicht: (2024)

Pruning-induced phases in fully-connected neural networks: the eumentia, the dementia, and the amentia
von: Pan, Haining, et al.
Veröffentlicht: (2026)

Adaptive Synaptogenesis Implemented on a Nanomagnetic Platform
von: Mullick, Faiyaz Elahi, et al.
Veröffentlicht: (2025)

How noise affects memory in linear recurrent networks
von: Guan, JingChuan, et al.
Veröffentlicht: (2024)

Theory of coupled neuronal-synaptic dynamics
von: Clark, David G., et al.
Veröffentlicht: (2023)

Dropout Universality: Scaling Laws and Optimal Scheduling at the Edge-of-Chaos
von: Sarmiento, Lucas Fernandez
Veröffentlicht: (2026)

Simplified derivations for high-dimensional convex learning problems
von: Clark, David G., et al.
Veröffentlicht: (2024)

Recurrent Self-Attention Dynamics: An Energy-Agnostic Perspective from Jacobians
von: Tomihari, Akiyoshi, et al.
Veröffentlicht: (2025)

Reservoir computing with logistic map
von: Arun, R., et al.
Veröffentlicht: (2024)

Thermal Robustness of Retrieval in Dense Associative Memories: LSE vs LSR Kernels
von: Petrova, Tatiana
Veröffentlicht: (2026)

Response time of lateral predictive coding and benefits of modular structures
von: Cai, Guanghui, et al.
Veröffentlicht: (2026)

Supervised Hebbian Learning
von: Alemanno, Francesco, et al.
Veröffentlicht: (2022)

Pattern recognition in the nucleation kinetics of non-equilibrium self-assembly
von: Evans, Constantine Glen, et al.
Veröffentlicht: (2022)

Spiking mode-based neural networks
von: Lin, Zhanghan, et al.
Veröffentlicht: (2023)

Polariton lattices as binarized neuromorphic networks
von: Sedov, Evgeny, et al.
Veröffentlicht: (2024)

Amorphous Solid Model of Vectorial Hopfield Neural Networks
von: Gallavotti, F., et al.
Veröffentlicht: (2025)

Analytically tractable model of synaptic crowding explains emergent small-world structure and network dynamics
von: Fukushima, Makoto
Veröffentlicht: (2026)

Polychronous Wave Computing: Timing-Native Address Selection in Spiking Networks
von: Berloff, Natalila G.
Veröffentlicht: (2026)

Memory Uncertainty Relation and Harmonic Memory in Random Recurrent Networks
von: Haruna, Taichi, et al.
Veröffentlicht: (2026)

Proposed modified computational model for the amoeba-inspired combinatorial optimization machine
von: Miyajima, Yusuke, et al.
Veröffentlicht: (2024)

DeepNose: An Equivariant Convolutional Neural Network Predictive Of Human Olfactory Percepts
von: Shuvaev, Sergey, et al.
Veröffentlicht: (2024)

Dependence of Equilibrium Propagation Training Success on Network Architecture
von: Wang, Qingshan, et al.
Veröffentlicht: (2026)

Predictive Coding Graphs are a Superset of Feedforward Neural Networks
von: van Zwol, Björn
Veröffentlicht: (2026)

Dataset-learning duality and emergent criticality
von: Kukleva, Ekaterina, et al.
Veröffentlicht: (2024)

Nature-Inspired Local Propagation
von: Betti, Alessandro, et al.
Veröffentlicht: (2024)

Approximation Theory for Neural Networks: Old and New
von: Mukherjee, Soumendu Sundar, et al.
Veröffentlicht: (2026)

Connecting phases of matter to the flatness of the loss landscape in analog variational quantum algorithms
von: Srimahajariyapong, Kasidit, et al.
Veröffentlicht: (2025)

Role of scrambling and noise in temporal information processing with quantum systems
von: Xiong, Weijie, et al.
Veröffentlicht: (2025)

Neural Langevin Machine: a local asymmetric learning rule can be creative
von: Yu, Zhendong, et al.
Veröffentlicht: (2025)

A fully parallel densely connected probabilistic Ising machine with inertia for real-time applications
von: Zhu, Ruomin, et al.
Veröffentlicht: (2026)

Signal-to-Noise Ratio and Sample Size Govern Representational Alignment in Neural Networks
von: Umar, Ali Hussaini, et al.
Veröffentlicht: (2026)

Thermodynamics of bidirectional associative memories
von: Barra, Adriano, et al.
Veröffentlicht: (2022)

Freezing chaos without synaptic plasticity
von: Huang, Weizhong, et al.
Veröffentlicht: (2025)