Buchumschlag

A generalized neural tangent kernel for surrogate gradient learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Eilers, Luke, Memmesheimer, Raoul-Martin, Goedeke, Sven
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Disordered Systems and Neural Networks Probability Neurons and Cognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Neuronal correlations shape the scaling behavior of memory capacity and nonlinear computational capability of reservoir recurrent neural networks
von: Takasu, Shotaro, et al.
Veröffentlicht: (2025)

Mean-field analysis of a neural network with stochastic STDP
von: Helson, Pascal, et al.
Veröffentlicht: (2025)

Task learning through stimulation-induced plasticity in neural networks
von: Borra, Francesco, et al.
Veröffentlicht: (2024)

When can in-context learning generalize out of task distribution?
von: Goddard, Chase, et al.
Veröffentlicht: (2025)

L1-Regularized ICA: A Novel Method for Analysis of Task-related fMRI Data
von: Endo, Yusuke, et al.
Veröffentlicht: (2024)

A robust balancing mechanism for spiking neural networks
von: Politi, Antonio, et al.
Veröffentlicht: (2024)

Absolute abstraction: a renormalisation group approach
von: Caputo, Carlo Orientale, et al.
Veröffentlicht: (2024)

Statistical Mechanics of Support Vector Regression
von: Canatar, Abdulkadir, et al.
Veröffentlicht: (2024)

Tilting the Odds at the Lottery: the Interplay of Overparameterisation and Curricula in Neural Networks
von: Mannelli, Stefano Sarao, et al.
Veröffentlicht: (2024)

Spectral Analysis of Representational Similarity with Limited Neurons
von: Kang, Hyunmo, et al.
Veröffentlicht: (2025)

Learning Curves for Noisy Heterogeneous Feature-Subsampled Ridge Ensembles
von: Ruben, Benjamin S., et al.
Veröffentlicht: (2023)

Dynamically Learning to Integrate in Recurrent Neural Networks
von: Bordelon, Blake, et al.
Veröffentlicht: (2025)

Solving adversarial examples requires solving exponential misalignment
von: Salvatore, Alessandro, et al.
Veröffentlicht: (2026)

Proof of a perfect platonic representation hypothesis
von: Ziyin, Liu, et al.
Veröffentlicht: (2025)

Dynamical Learning in Deep Asymmetric Recurrent Neural Networks
von: Badalotti, Davide, et al.
Veröffentlicht: (2025)

Theory of enhanced-by-coincidence neural information transmission
von: Ibáñez-Berganza, Miguel, et al.
Veröffentlicht: (2025)

Linear equivalence of nonlinear recurrent neural networks
von: Clark, David G.
Veröffentlicht: (2026)

Applications of information geometry to spiking neural network behavior
von: Crosser, Jacob T., et al.
Veröffentlicht: (2023)

On the synaptic matrix eigenvalues of sparsely connected neural networks
von: Ansari, Mohd. Gayas, et al.
Veröffentlicht: (2026)

Coexistence of asynchronous and clustered dynamics in noisy inhibitory neural networks
von: Feld, Yannick, et al.
Veröffentlicht: (2024)

Coherent oscillations in balanced neural networks driven by endogenous fluctuations
von: Di Volo, Matteo, et al.
Veröffentlicht: (2021)

Tricritical behavior in a neural model with excitatory and inhibitory units
von: Almeira, Joaquin, et al.
Veröffentlicht: (2022)

Discrete synaptic events induce global oscillations in balanced neural networks
von: Goldobin, Denis S., et al.
Veröffentlicht: (2023)

Solution of a large nonlinear recurrent neural network at fixed connectivity
von: Wakhloo, Albert J.
Veröffentlicht: (2026)

Spatio-temporal activity patterns induced by triadic interactions in an in silico neural medium
von: Millán, Ana P., et al.
Veröffentlicht: (2024)

Synaptic shot-noise triggers fast and slow global oscillations in balanced neural networks
von: Goldobin, Denis S., et al.
Veröffentlicht: (2025)

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

Responses to transient perturbation can distinguish intrinsic from latent criticality in spiking neural populations
von: Crosser, Jacob T., et al.
Veröffentlicht: (2025)

Sparse learning enabled by constraints on connectivity and function
von: Baig, Mirza M. Junaid, et al.
Veröffentlicht: (2024)

A statistical physics framework for optimal learning
von: Mignacco, Francesca, et al.
Veröffentlicht: (2025)

Differential learning kinetics govern the transition from memorization to generalization during in-context learning
von: Nguyen, Alex, et al.
Veröffentlicht: (2024)

Drift-Diffusion Matching: Embedding dynamics in latent manifolds of asymmetric neural networks
von: Nartallo-Kaluarachchi, Ramón, et al.
Veröffentlicht: (2026)

Self-organized learning emerges from coherent coupling of critical neurons
von: Liu, Chuanbo, et al.
Veröffentlicht: (2025)

Introduction to dynamical mean-field theory of randomly connected neural networks with bidirectionally correlated couplings
von: Zou, Wenxuan, et al.
Veröffentlicht: (2023)

Random matrix theory of sparse neuronal networks with heterogeneous timescales
von: Chotibut, Thiparat, et al.
Veröffentlicht: (2025)

Meta-learning three-factor plasticity rules for structured credit assignment with sparse feedback
von: Maoutsa, Dimitra
Veröffentlicht: (2025)

Nonlinear classification of neural manifolds with contextual information
von: Mignacco, Francesca, et al.
Veröffentlicht: (2024)

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

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

Dynamical stability for dense patterns in discrete attractor neural networks
von: Cohen, Uri, et al.
Veröffentlicht: (2025)