Buchumschlag

NITRO-D: Native Integer-only Training of Deep Convolutional Neural Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Pirillo, Alberto, Colombo, Luca, Roveri, Manuel
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence Computer Vision and Pattern Recognition Neural and Evolutionary Computing I.2.6
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Advancing the Biological Plausibility and Efficacy of Hebbian Convolutional Neural Networks
von: Nimmo, Julian Jimenez, et al.
Veröffentlicht: (2025)

Training Multi-Layer Binary Neural Networks With Local Binary Error Signals
von: Colombo, Luca, et al.
Veröffentlicht: (2024)

Pulling Back the Curtain on Deep Networks
von: Satkiewicz, Maciej, et al.
Veröffentlicht: (2025)

Alternating Gradient Flow Utility: A Unified Metric for Structural Pruning and Dynamic Routing in Deep Networks
von: Qian, Tianhao, et al.
Veröffentlicht: (2026)

Controlling Recurrent Neural Networks by Conceptors
von: Jaeger, Herbert
Veröffentlicht: (2014)

A Technical Note on the Architectural Effects on Maximum Dependency Lengths of Recurrent Neural Networks
von: Kent, Jonathan S., et al.
Veröffentlicht: (2024)

Graph Expansion in Pruned Recurrent Neural Network Layers Preserve Performance
von: Kalra, Suryam Arnav, et al.
Veröffentlicht: (2024)

Self-Distillation Learning Based on Temporal-Spatial Consistency for Spiking Neural Networks
von: Zuo, Lin, et al.
Veröffentlicht: (2024)

Towards Scaling Deep Neural Networks with Predictive Coding: Theory and Practice
von: Innocenti, Francesco
Veröffentlicht: (2025)

Learn&Drop: Fast Learning of CNNs based on Layer Dropping
von: Cruciata, Giorgio, et al.
Veröffentlicht: (2026)

Searching Search Spaces: Meta-evolving a Geometric Encoding for Neural Networks
von: Kunze, Tarek, et al.
Veröffentlicht: (2024)

IP$^{2}$-RSNN: Bi-level Intrinsic Plasticity Enables Learning-to-learn in Recurrent Spiking Neural Networks
von: Yu, Yingchao, et al.
Veröffentlicht: (2025)

Game-Theoretic Gradient Control for Robust Neural Network Training
von: Zaitseva, Maria, et al.
Veröffentlicht: (2025)

Evolving Deep Learning Optimizers
von: Marfinetz, Mitchell
Veröffentlicht: (2025)

A Review of Pulse-Coupled Neural Network Applications in Computer Vision and Image Processing
von: Rafi, Nurul, et al.
Veröffentlicht: (2024)

Efficient and Flexible Neural Network Training through Layer-wise Feedback Propagation
von: Weber, Leander, et al.
Veröffentlicht: (2023)

Evaluating Brain-Inspired Modular Training in Automated Circuit Discovery for Mechanistic Interpretability
von: Nainani, Jatin
Veröffentlicht: (2024)

A Bird Song Detector for improving bird identification through Deep Learning: a case study from Doñana
von: Márquez-Rodríguez, Alba, et al.
Veröffentlicht: (2025)

Introducing Echo Networks for Computational Neuroevolution
von: Kroos, Christian, et al.
Veröffentlicht: (2026)

ReBoot: Encrypted Training of Deep Neural Networks with CKKS Bootstrapping
von: Pirillo, Alberto, et al.
Veröffentlicht: (2025)

Theoretical Analysis of the Advantage of Deepening Neural Networks
von: Esaki, Yasushi, et al.
Veröffentlicht: (2020)

Contrastive Representation Learning for Dynamic Link Prediction in Temporal Networks
von: Nouranizadeh, Amirhossein, et al.
Veröffentlicht: (2024)

Growing Cosine Unit: A Novel Oscillatory Activation Function That Can Speedup Training and Reduce Parameters in Convolutional Neural Networks
von: Noel, Mathew Mithra, et al.
Veröffentlicht: (2021)

Breaching the Bottleneck: Evolutionary Transition from Reward-Driven Learning to Reward-Agnostic Domain-Adapted Learning in Neuromodulated Neural Nets
von: Arnold, Solvi, et al.
Veröffentlicht: (2024)

Exploring the Intersection between Neural Architecture Search and Continual Learning
von: Shahawy, Mohamed, et al.
Veröffentlicht: (2022)

Evolved Developmental Artificial Neural Networks for Multitasking with Advanced Activity Dependence
von: Zhang, Yintong, et al.
Veröffentlicht: (2024)

Enhanced Protein Intrinsic Disorder Prediction Through Dual-View Multiscale Features and Multi-objective Evolutionary Algorithm
von: Wang, Shaokuan, et al.
Veröffentlicht: (2026)

Object-centric proto-symbolic behavioural reasoning from pixels
von: van Bergen, Ruben, et al.
Veröffentlicht: (2024)

SymDQN: Symbolic Knowledge and Reasoning in Neural Network-based Reinforcement Learning
von: Amador, Ivo, et al.
Veröffentlicht: (2025)

Integer Binary-Range Alignment Neuron for Spiking Neural Networks
von: Ye, Binghao, et al.
Veröffentlicht: (2025)

Extending Spike-Timing Dependent Plasticity to Learning Synaptic Delays
von: Dominijanni, Marissa, et al.
Veröffentlicht: (2025)

Multi-objective Binary Coordinate Search for Feature Selection
von: Miyandoab, Sevil Zanjani, et al.
Veröffentlicht: (2024)

Batchless Normalization: How to Normalize Activations Across Instances with Minimal Memory Requirements
von: Berger, Benjamin, et al.
Veröffentlicht: (2022)

Compact NSGA-II for Multi-objective Feature Selection
von: Miyandoab, Sevil Zanjani, et al.
Veröffentlicht: (2024)

Increasing biases can be more efficient than increasing weights
von: Metta, Carlo, et al.
Veröffentlicht: (2023)

GAAPO: Genetic Algorithmic Applied to Prompt Optimization
von: Sécheresse, Xavier, et al.
Veröffentlicht: (2025)

A Neuro-Symbolic Approach to Multi-Agent RL for Interpretability and Probabilistic Decision Making
von: Subramanian, Chitra, et al.
Veröffentlicht: (2024)

NACHOS: Neural Architecture Search for Hardware Constrained Early Exit Neural Networks
von: Gambella, Matteo, et al.
Veröffentlicht: (2024)

Shrinkage Initialization for Smooth Learning of Neural Networks
von: Cheng, Miao, et al.
Veröffentlicht: (2025)

Multi-Marginal Stochastic Flow Matching for High-Dimensional Snapshot Data at Irregular Time Points
von: Lee, Justin, et al.
Veröffentlicht: (2025)