Buchumschlag

A computational approach to visual ecology with deep reinforcement learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Sokoloski, Sacha, Majnik, Jure, Berens, Philipp
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Neural and Evolutionary Computing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Conditional Finite Mixtures of Poisson Distributions for Context-Dependent Neural Correlations
von: Sokoloski, Sacha, et al.
Veröffentlicht: (2019)

Sequential sampling without comparison to boundary through model-free reinforcement learning
von: Esmaily, Jamal, et al.
Veröffentlicht: (2024)

Developing a novel Comorbidities Index for predicting 10-year mortality in Prostate Cancer patients: A computational data-driven approach
von: Farinati, Davide, et al.
Veröffentlicht: (2026)

An exploration for higher efficiency in multi objective optimisation with reinforcement learning
von: Aydin, Mehmet Emin
Veröffentlicht: (2025)

A developmental approach for training deep belief networks
von: Zambra, Matteo, et al.
Veröffentlicht: (2022)

Who invented deep residual learning?
von: Schmidhuber, Juergen
Veröffentlicht: (2025)

A reinforcement learning guided hybrid evolutionary algorithm for the latency location routing problem
von: Zou, Yuji, et al.
Veröffentlicht: (2024)

Waves and symbols in neuromorphic hardware: from analog signal processing to digital computing on the same computational substrate
von: Zendrikov, Dmitrii, et al.
Veröffentlicht: (2025)

Bellman Memory Units: A neuromorphic framework for synaptic reinforcement learning with an evolving network topology
von: Banerjee, Shreyan, et al.
Veröffentlicht: (2025)

A theoretical framework for reservoir computing on networks of organic electrochemical transistors
von: Landry, Nicholas W., et al.
Veröffentlicht: (2024)

Learning-to-learn enables rapid learning with phase-change memory-based in-memory computing
von: Ortner, Thomas, et al.
Veröffentlicht: (2024)

Evolving choice hysteresis in reinforcement learning: comparing the adaptive value of positivity bias and gradual perseveration
von: Hoxha, Isabelle, et al.
Veröffentlicht: (2024)

Reservoir computing with large valid prediction time for the Lorenz system
von: Hurley, Lauren A, et al.
Veröffentlicht: (2025)

Exploiting heterogeneous delays for efficient computation in low-bit neural networks
von: Sun, Pengfei, et al.
Veröffentlicht: (2025)

How Population Diversity Influences the Efficiency of Crossover
von: Cerf, Sacha, et al.
Veröffentlicht: (2024)

TDE-3: An improved prior for optical flow computation in spiking neural networks
von: Yedutenko, Matthew, et al.
Veröffentlicht: (2024)

Using evolutionary computation to optimize task performance of unclocked, recurrent Boolean circuits in FPGAs
von: Norman-Tenazas, Raphael, et al.
Veröffentlicht: (2024)

Chaos-based reinforcement learning with TD3
von: Matsuki, Toshitaka, et al.
Veröffentlicht: (2024)

Metaheuristic approaches to the placement of suicide bomber detectors
von: Cotta, Carlos, et al.
Veröffentlicht: (2024)

Neural auto-association with optimal Bayesian learning
von: Knoblauch, Andreas
Veröffentlicht: (2024)

Benchmarking Hebbian learning rules for associative memory
von: Lansner, Anders, et al.
Veröffentlicht: (2023)

Integrating programmable plasticity in experiment descriptions for analog neuromorphic hardware
von: Spilger, Philipp, et al.
Veröffentlicht: (2024)

Transformer Semantic Genetic Programming for Symbolic Regression
von: Anthes, Philipp, et al.
Veröffentlicht: (2025)

Emergence of hybrid computational dynamics through reinforcement learning
von: Kononov, Roman A., et al.
Veröffentlicht: (2025)

Memetic collaborative approaches for finding balanced incomplete block designs
von: Rueda, David Rodríguez, et al.
Veröffentlicht: (2024)

Incorporating brain-inspired mechanisms for multimodal learning in artificial intelligence
von: He, Xiang, et al.
Veröffentlicht: (2025)

DelRec: learning delays in recurrent spiking neural networks
von: Queant, Alexandre, et al.
Veröffentlicht: (2025)

Solving Expensive Optimization Problems in Dynamic Environments with Meta-learning
von: Zhang, Huan, et al.
Veröffentlicht: (2023)

Finding Strong Lottery Ticket Networks with Genetic Algorithms
von: Altmann, Philipp, et al.
Veröffentlicht: (2024)

Accelerating evolutionary exploration through language model-based transfer learning
von: Reissmann, Maximilian, et al.
Veröffentlicht: (2024)

Reinforcement learning-enhanced genetic algorithm for wind farm layout optimization
von: Dong, Guodan, et al.
Veröffentlicht: (2024)

Comparative approach: Electric distribution optimization with loss minimization algorithm and particle swarm optimization
von: Bouabbadi, Soufiane
Veröffentlicht: (2024)

Evolving Symbiosis, from Barricelli's Legacy to Collective Intelligence: a simulated and conceptual approach
von: Ashford, James, et al.
Veröffentlicht: (2026)

ETLP: Event-based Three-factor Local Plasticity for online learning with neuromorphic hardware
von: Quintana, Fernando M., et al.
Veröffentlicht: (2023)

jaxsnn: Event-driven Gradient Estimation for Analog Neuromorphic Hardware
von: Müller, Eric, et al.
Veröffentlicht: (2024)

Decentralised self-organisation of pivoting cube ensembles using geometric deep learning
von: Dobreva, Nadezhda, et al.
Veröffentlicht: (2025)

Sustainable AI: Mathematical Foundations of Spiking Neural Networks
von: Fono, Adalbert, et al.
Veröffentlicht: (2025)

Generative thermodynamic computing
von: Whitelam, Stephen
Veröffentlicht: (2025)

Scalable Network Emulation on Analog Neuromorphic Hardware
von: Arnold, Elias, et al.
Veröffentlicht: (2024)

Deep reinforcement learning for machine scheduling: Methodology, the state-of-the-art, and future directions
von: Khadivi, Maziyar, et al.
Veröffentlicht: (2023)