Buchumschlag

Demolition and Reinforcement of Memories in Spin-Glass-like Neural Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Ventura, Enrico
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Disordered Systems and Neural Networks Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A Spin Glass Characterization of Neural Networks
von: Li, Jun
Veröffentlicht: (2025)

Training neural networks with structured noise improves classification and generalization
von: Benedetti, Marco, et al.
Veröffentlicht: (2023)

Emergence of Distortions in High-Dimensional Guided Diffusion Models
von: Ventura, Enrico, et al.
Veröffentlicht: (2026)

Neural Networks as Spin Models: From Glass to Hidden Order Through Training
von: Barney, Richard, et al.
Veröffentlicht: (2024)

The Interplay of Data Structure and Imbalance in the Learning Dynamics of Diffusion Models
von: Nicoletti, Flavio, et al.
Veröffentlicht: (2026)

Learning and Unlearning: Bridging classification, memory and generative modeling in Recurrent Neural Networks
von: Ventura, Enrico
Veröffentlicht: (2024)

Is Grokking a Computational Glass Relaxation?
von: Zhang, Xiaotian, et al.
Veröffentlicht: (2025)

Predicting and Interpreting Energy Barriers of Metallic Glasses with Graph Neural Networks
von: Li, Haoyu, et al.
Veröffentlicht: (2023)

Formation of Representations in Neural Networks
von: Ziyin, Liu, et al.
Veröffentlicht: (2024)

Graph Neural Networks Do Not Always Oversmooth
von: Epping, Bastian, et al.
Veröffentlicht: (2024)

Spin-Dependent Graph Neural Network Potential for Magnetic Materials
von: Yu, Hongyu, et al.
Veröffentlicht: (2022)

Dynamical Mean-Field Theory of Self-Attention Neural Networks
von: Poc-López, Ángel, et al.
Veröffentlicht: (2024)

Growing Neural Networks: Dynamic Evolution through Gradient Descent
von: Radhakrishnan, Anil, et al.
Veröffentlicht: (2025)

The Rules-and-Facts Model for Simultaneous Generalization and Memorization in Neural Networks
von: Farné, Gabriele, et al.
Veröffentlicht: (2026)

Benchmarking Graph Neural Networks in Solving Hard Constraint Satisfaction Problems
von: Skenderi, Geri, et al.
Veröffentlicht: (2026)

A Random-Matrix Criterion for Initializing Gated Recurrent Neural Networks
von: Fioratti, Tommaso, et al.
Veröffentlicht: (2026)

Controlled Langevin Dynamics for Sampling of Feedforward Neural Networks Trained with Minibatches
von: Zambon, Alessandro, et al.
Veröffentlicht: (2026)

A Federated Many-to-One Hopfield model for associative Neural Networks
von: Alessandrelli, Andrea, et al.
Veröffentlicht: (2026)

Properties of the geometry of solutions and capacity of multi-layer neural networks with Rectified Linear Units activations
von: Baldassi, Carlo, et al.
Veröffentlicht: (2019)

Kernel Renormalization in Bayesian Deep Neural Networks: the Equivalent Wishart Ansatz in the Proportional Regime
von: Baglioni, Paolo, et al.
Veröffentlicht: (2026)

Graph Neural Network Approach to Predicting Magnetization in Quasi-One-Dimensional Ising Systems
von: Slavin, V., et al.
Veröffentlicht: (2025)

Saddle Hierarchy in Dense Associative Memory
von: Thériault, Robin, et al.
Veröffentlicht: (2025)

Pattern Expansion of Spin Glasses
von: Shen, Mutian, et al.
Veröffentlicht: (2026)

Siamese Neural Network for Label-Efficient Critical Phenomena Prediction in 3D Percolation Models
von: Wang, Shanshan, et al.
Veröffentlicht: (2025)

Statistical Physics of Deep Neural Networks: Generalization Capability, Beyond the Infinite Width, and Feature Learning
von: Ariosto, Sebastiano
Veröffentlicht: (2025)

Physical Reinforcement Learning
von: Dillavou, Sam, et al.
Veröffentlicht: (2025)

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

Beyond Disorder: Unveiling Cooperativeness in Multidirectional Associative Memories
von: Alessandrelli, Andrea, et al.
Veröffentlicht: (2025)

Glass-like Caging with Random Planes
von: Bonnet, Gilles, et al.
Veröffentlicht: (2023)

When Can You Get Away with Low Memory Adam?
von: Kalra, Dayal Singh, et al.
Veröffentlicht: (2025)

Regularization, early-stopping and dreaming: a Hopfield-like setup to address generalization and overfitting
von: Agliari, Elena, et al.
Veröffentlicht: (2023)

Nonreciprocal Spin-Glass Transition and Aging
von: Lorenzana, Giulia Garcia, et al.
Veröffentlicht: (2024)

Nonlocal Monte Carlo via Reinforcement Learning
von: Dobrynin, Dmitrii, et al.
Veröffentlicht: (2025)

Geometric Entropy and Retrieval Phase Transitions in Continuous Thermal Dense Associative Memory
von: Petrova, Tatiana, et al.
Veröffentlicht: (2026)

The Quantization Model of Neural Scaling
von: Michaud, Eric J., et al.
Veröffentlicht: (2023)

Explaining Neural Scaling Laws
von: Bahri, Yasaman, et al.
Veröffentlicht: (2021)

Spin Glasses: Disorder, Frustration, and Nonequilibrium Complexity
von: Tahriri, Naeimeh, et al.
Veröffentlicht: (2025)

Neural Scaling Laws Rooted in the Data Distribution
von: Brill, Ari
Veröffentlicht: (2024)

A Dynamical Model of Neural Scaling Laws
von: Bordelon, Blake, et al.
Veröffentlicht: (2024)

The Capacity of Modern Hopfield Networks under the Data Manifold Hypothesis
von: Achilli, Beatrice, et al.
Veröffentlicht: (2025)