Buchumschlag

Towards evolution of Deep Neural Networks through contrastive Self-Supervised learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Vinhas, Adriano, Correia, João, Machado, Penousal
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Neural and Evolutionary Computing Artificial Intelligence Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Evolutionary Machine Learning meets Self-Supervised Learning: a comprehensive survey
von: Vinhas, Adriano, et al.
Veröffentlicht: (2025)

Towards Physical Plausibility in Neuroevolution Systems
von: Cortês, Gabriel, et al.
Veröffentlicht: (2024)

Evolutionary Optimization Trumps Adam Optimization on Embedding Space Exploration
von: Neto, Domício Pereira, et al.
Veröffentlicht: (2025)

Evolutionary Token-Level Prompt Optimization for Diffusion Models
von: Neto, Domício Pereira, et al.
Veröffentlicht: (2026)

Deep Oscillatory Neural Network
von: Rohan, Nurani Rajagopal, et al.
Veröffentlicht: (2024)

GreenMachine: Automatic Design of Zero-Cost Proxies for Energy-Efficient NAS
von: Cortês, Gabriel, et al.
Veröffentlicht: (2024)

Meta-Learning Loss Functions for Deep Neural Networks
von: Raymond, Christian
Veröffentlicht: (2024)

LLS: Local Learning Rule for Deep Neural Networks Inspired by Neural Activity Synchronization
von: Apolinario, Marco Paul E., et al.
Veröffentlicht: (2024)

Toward Efficient Deep Spiking Neuron Networks:A Survey On Compression
von: Xie, Hui, et al.
Veröffentlicht: (2024)

The Enduring Dominance of Deep Neural Networks: A Critical Analysis of the Fundamental Limitations of Quantum Machine Learning and Spiking Neural Networks
von: Ishikawa, Takehiro
Veröffentlicht: (2025)

Parallel Algorithms for Exact Enumeration of Deep Neural Network Activation Regions
von: Drammis, Sabrina, et al.
Veröffentlicht: (2024)

Closing the gap: Optimizing Guidance and Control Networks through Neural ODEs
von: Origer, Sebastien, et al.
Veröffentlicht: (2024)

Novel Deep Neural Network Classifier Characterization Metrics with Applications to Dataless Evaluation
von: Dean, Nathaniel, et al.
Veröffentlicht: (2024)

Measuring the Energy Consumption and Efficiency of Deep Neural Networks: An Empirical Analysis and Design Recommendations
von: Tripp, Charles Edison, et al.
Veröffentlicht: (2024)

Self-Supervised Neural Architecture Search for Multimodal Deep Neural Networks
von: Suzuki, Shota, et al.
Veröffentlicht: (2025)

Toward End-to-End Bearing Fault Diagnosis for Industrial Scenarios with Spiking Neural Networks
von: Zuo, Lin, et al.
Veröffentlicht: (2024)

Deep Neural Regression Collapse
von: Rangamani, Akshay, et al.
Veröffentlicht: (2026)

Deep Reinforcement Learning with Spiking Q-learning
von: Chen, Ding, et al.
Veröffentlicht: (2022)

Towards White Box Deep Learning
von: Satkiewicz, Maciej
Veröffentlicht: (2024)

Perception-Informed Neural Networks: Beyond Physics-Informed Neural Networks
von: Mazandarani, Mehran, et al.
Veröffentlicht: (2025)

Application of Unsupervised Artificial Neural Network (ANN) Self_Organizing Map (SOM) in Identifying Main Car Sales Factors
von: Taghavi, Mazyar
Veröffentlicht: (2024)

Restricted Bayesian Neural Network
von: Ganguly, Sourav, et al.
Veröffentlicht: (2024)

Time Elastic Neural Networks
von: Marteau, Pierre-François
Veröffentlicht: (2024)

Polysemanticity and Capacity in Neural Networks
von: Scherlis, Adam, et al.
Veröffentlicht: (2022)

Sensitivity-Aware Mixed-Precision Quantization and Width Optimization of Deep Neural Networks Through Cluster-Based Tree-Structured Parzen Estimation
von: Azizi, Seyedarmin, et al.
Veröffentlicht: (2023)

Continuous Spiking Graph Neural Networks
von: Yin, Nan, et al.
Veröffentlicht: (2024)

Sheaf Neural Networks and biomedical applications
von: Mehrab, Aneeqa, et al.
Veröffentlicht: (2026)

Spark: Modular Spiking Neural Networks
von: Franco, Mario, et al.
Veröffentlicht: (2026)

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

Half-Space Feature Learning in Neural Networks
von: Yadav, Mahesh Lorik, et al.
Veröffentlicht: (2024)

Mechanistic Neural Networks for Scientific Machine Learning
von: Pervez, Adeel, et al.
Veröffentlicht: (2024)

Machine Unlearning using Forgetting Neural Networks
von: Hatua, Amartya, et al.
Veröffentlicht: (2024)

Structure of Artificial Neural Networks -- Empirical Investigations
von: Stier, Julian
Veröffentlicht: (2024)

Invariant Representations with Stochastically Quantized Neural Networks
von: Cerrato, Mattia, et al.
Veröffentlicht: (2022)

Geometry-Aware Spiking Graph Neural Network
von: Zhang, Bowen, et al.
Veröffentlicht: (2025)

Dynamic Spiking Framework for Graph Neural Networks
von: Yin, Nan, et al.
Veröffentlicht: (2023)

Memory Networks: Towards Fully Biologically Plausible Learning
von: Ruiz, Jacobo, et al.
Veröffentlicht: (2024)

Hierarchical Self-Attention: Generalizing Neural Attention Mechanics to Multi-Scale Problems
von: Amizadeh, Saeed, et al.
Veröffentlicht: (2025)

Multi-scale Topology Optimization using Neural Networks
von: Chen, Hongrui, et al.
Veröffentlicht: (2024)

DL101 Neural Network Outputs and Loss Functions
von: Berzal, Fernando
Veröffentlicht: (2025)