Buchumschlag

Unsupervised representation learning with Hebbian synaptic and structural plasticity in brain-like feedforward neural networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ravichandran, Naresh, Lansner, Anders, Herman, Pawel
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Neural and Evolutionary Computing Neurons and Cognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Spiking representation learning for associative memories
von: Ravichandran, Naresh, et al.
Veröffentlicht: (2024)

Computational models of learning and synaptic plasticity
von: Tyulmankov, Danil
Veröffentlicht: (2024)

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

A flexible framework for structural plasticity in GPU-accelerated sparse spiking neural networks
von: Knight, James C., et al.
Veröffentlicht: (2025)

Global stability of a Hebbian/anti-Hebbian network for principal subspace learning
von: Lipshutz, David, et al.
Veröffentlicht: (2026)

Benchmarking local Hebbian learning rules for memory storage and prototype extraction
von: Lansner, Anders, et al.
Veröffentlicht: (2026)

Elucidating the theoretical underpinnings of surrogate gradient learning in spiking neural networks
von: Gygax, Julia, et al.
Veröffentlicht: (2024)

Artificial intelligence as a surrogate brain: Bridging neural dynamical models and data
von: Zhang, Yinuo, et al.
Veröffentlicht: (2025)

Phenomenological modeling of diverse and heterogeneous synaptic dynamics at natural density
von: Korcsak-Gorzo, Agnes, et al.
Veröffentlicht: (2022)

Heterogeneous quantization regularizes spiking neural network activity
von: Moyal, Roy, et al.
Veröffentlicht: (2024)

Theories of synaptic memory consolidation and intelligent plasticity for continual learning
von: Zenke, Friedemann, et al.
Veröffentlicht: (2024)

Teaching signal synchronization in deep neural networks with prospective neurons
von: Zucchet, Nicoas, et al.
Veröffentlicht: (2025)

Discovering alternative solutions beyond the simplicity bias in recurrent neural networks
von: Qian, William, et al.
Veröffentlicht: (2025)

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

Von Economo neurons enable reliable social skill acquisition in recurrent spiking neural networks: a computational account with clinical predictions
von: Keskin, Esila
Veröffentlicht: (2026)

Plastic Arbor: a modern simulation framework for synaptic plasticity -- from single synapses to networks of morphological neurons
von: Luboeinski, Jannik, et al.
Veröffentlicht: (2024)

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

The dynamic interplay between in-context and in-weight learning in humans and neural networks
von: Russin, Jacob, et al.
Veröffentlicht: (2024)

Competitive plasticity to reduce the energetic costs of learning
von: van Rossum, Mark CW
Veröffentlicht: (2023)

How connectivity structure shapes rich and lazy learning in neural circuits
von: Liu, Yuhan Helena, et al.
Veröffentlicht: (2023)

Dendrites endow artificial neural networks with accurate, robust and parameter-efficient learning
von: Chavlis, Spyridon, et al.
Veröffentlicht: (2024)

"What" x "When" working memory representations using Laplace Neural Manifolds
von: Sarkar, Aakash, et al.
Veröffentlicht: (2024)

Emergence of robust looming selectivity via coordinated inhibitory neural computations
von: Fu, Qinbing, et al.
Veröffentlicht: (2025)

Two-compartment neuronal spiking model expressing brain-state specific apical-amplification, -isolation and -drive regimes
von: Pastorelli, Elena, et al.
Veröffentlicht: (2023)

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

BrainNPT: Pre-training of Transformer networks for brain network classification
von: Hu, Jinlong, et al.
Veröffentlicht: (2023)

Improving the adaptive and continuous learning capabilities of artificial neural networks: Lessons from multi-neuromodulatory dynamics
von: Mei, Jie, et al.
Veröffentlicht: (2025)

Attention to task structure for cognitive flexibility
von: Zhang, Xiaoyu K., et al.
Veröffentlicht: (2026)

Evolution imposes an inductive bias that alters and accelerates learning dynamics
von: Midler, Benjamin, et al.
Veröffentlicht: (2025)

Exploring the role of structure in a time constrained decision task
von: Chaix-Eichel, Naomi, et al.
Veröffentlicht: (2024)

One-shot learning of paired association navigation with biologically plausible schemas
von: Kumar, M Ganesh, et al.
Veröffentlicht: (2021)

Event-driven eligibility propagation in large sparse networks: efficiency shaped by biological realism
von: Korcsak-Gorzo, Agnes, et al.
Veröffentlicht: (2025)

Multiscale fusion enhanced spiking neural network for invasive BCI neural signal decoding
von: Song, Yu, et al.
Veröffentlicht: (2024)

Self-motion as a structural prior for coherent and robust formation of cognitive maps
von: Yu, Yingchao, et al.
Veröffentlicht: (2025)

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

Sufficient conditions for offline reactivation in recurrent neural networks
von: Krishna, Nanda H., et al.
Veröffentlicht: (2025)

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

NSPDI-SNN: An efficient lightweight SNN based on nonlinear synaptic pruning and dendritic integration
von: Cai, Wuque, et al.
Veröffentlicht: (2025)

Phase codes emerge in recurrent neural networks optimized for modular arithmetic
von: Murray, Keith T.
Veröffentlicht: (2023)

Synchronization and semantization in deep spiking networks
von: Oberste-Frielinghaus, Jonas, et al.
Veröffentlicht: (2025)