Buchumschlag

The boundary of neural network trainability is fractal

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Sohl-Dickstein, Jascha
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Neural and Evolutionary Computing Chaotic Dynamics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Panda: A pretrained forecast model for chaotic dynamics
von: Lai, Jeffrey, et al.
Veröffentlicht: (2025)

Denoising and Reconstruction of Nonlinear Dynamics using Truncated Reservoir Computing
von: Sedehi, Omid, et al.
Veröffentlicht: (2025)

Asymmetrically connected reservoir networks learn better
von: Rathor, Shailendra K., et al.
Veröffentlicht: (2024)

Designing Chaotic Attractors: A Semi-supervised Approach
von: Kabayama, Tempei, et al.
Veröffentlicht: (2024)

Attractor-merging Crises and Intermittency in Reservoir Computing
von: Kabayama, Tempei, et al.
Veröffentlicht: (2025)

Reservoir Computing with a Single Oscillating Gas Bubble: Emphasizing the Chaotic Regime
von: Abdel-Ghani, Hend, et al.
Veröffentlicht: (2025)

Controlling Chaotic Maps using Next-Generation Reservoir Computing
von: Kent, Robert M., et al.
Veröffentlicht: (2023)

Jump-diffusion models of parametric volume-price distributions
von: Budhathoki, Anup, et al.
Veröffentlicht: (2025)

Integer-State Dynamics of Quantized Spiking Neural Networks for Efficient Hardware Acceleration
von: Zhang, Lei
Veröffentlicht: (2026)

Identification of fixations and saccades in eye-tracking data using adaptive threshold-based method
von: Orioma, Charles, et al.
Veröffentlicht: (2025)

Learning Continuous Chaotic Attractors with a Reservoir Computer
von: Smith, Lindsay M., et al.
Veröffentlicht: (2021)

General-Purpose In-Context Learning by Meta-Learning Transformers
von: Kirsch, Louis, et al.
Veröffentlicht: (2022)

Harnessing and modulating chaos to sample from neural generative models
von: Chaudhuri, Rishidev, et al.
Veröffentlicht: (2024)

Reconstruction of dynamic systems using genetic algorithms with dynamic search limits
von: Rodríguez-Abreo, Omar, et al.
Veröffentlicht: (2024)

Reconfigurable Nonlinear Photonic Networks for In-Situ Learning and Memory Formation via Driven-Dissipative Dynamics
von: Yorke, Isaac
Veröffentlicht: (2026)

Enhancing Computational Efficiency in Multiscale Systems Using Deep Learning of Coordinates and Flow Maps
von: Hamid, Asif, et al.
Veröffentlicht: (2024)

Chaotic Oscillator Networks for Classification Tasks
von: Ivas, Toni, et al.
Veröffentlicht: (2026)

Adjusting Dynamics of Hopfield Neural Network via Time-variant Stimulus
von: Peng, Xuenan, et al.
Veröffentlicht: (2024)

Analysis of chaotic dynamical systems with autoencoders
von: Almazova, N., et al.
Veröffentlicht: (2021)

How high dimensional neural dynamics are confined in phase space
von: Wang, Shishe, et al.
Veröffentlicht: (2024)

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

Complex fractal trainability boundary can arise from trivial non-convexity
von: Liu, Yizhou
Veröffentlicht: (2024)

Prediction performance of random reservoirs with different topology for nonlinear dynamical systems with different number of degrees of freedom
von: Rathor, Shailendra K., et al.
Veröffentlicht: (2025)

Hierarchy of chaotic dynamics in random modular networks
von: Kuśmierz, Łukasz, et al.
Veröffentlicht: (2024)

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

Machine Learning of Nonlinear Dynamical Systems with Control Parameters Using Feedforward Neural Networks
von: Sakaguchi, Hidetsugu
Veröffentlicht: (2024)

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

Parametric Taylor series based latent dynamics identification neural networks
von: Lin, Xinlei, et al.
Veröffentlicht: (2024)

Physical Reservoir Computing Enabled by Solitary Waves and Biologically-Inspired Nonlinear Transformation of Input Data
von: Maksymov, Ivan S.
Veröffentlicht: (2024)

Revisiting time-variant complex conjugate matrix equations with their corresponding real field time-variant large-scale linear equations, neural hypercomplex numbers space compressive approximation approach
von: He, Jiakuang, et al.
Veröffentlicht: (2024)

QuasiNet: a neural network with trainable product layers
von: Malinovská, Kristína, et al.
Veröffentlicht: (2023)

Counting Short Trajectories in Elementary Cellular Automata using the Transfer Matrix Method
von: Koller, Cédric, et al.
Veröffentlicht: (2025)

Classical and Quantum Physical Reservoir Computing for Onboard Artificial Intelligence Systems: A Perspective
von: Abbas, A. H., et al.
Veröffentlicht: (2024)

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

Universality of reservoir systems with recurrent neural networks
von: Yasumoto, Hiroki, et al.
Veröffentlicht: (2024)

Gated recurrent neural networks discover attention
von: Zucchet, Nicolas, et al.
Veröffentlicht: (2023)

Leveraging chaotic transients in the training of artificial neural networks
von: Jiménez-González, Pedro, et al.
Veröffentlicht: (2025)

Learning fast changing slow in spiking neural networks
von: Capone, Cristiano, et al.
Veröffentlicht: (2024)

Designing deep neural networks for driver intention recognition
von: Vellenga, Koen, et al.
Veröffentlicht: (2024)

Learning richness modulates equality reasoning in neural networks
von: Tong, William L., et al.
Veröffentlicht: (2025)