Buchumschlag

Advantages of Neural Population Coding for Deep Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Hoffmann, Heiko
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

AdvantageFlow: Advantage-Weighted Least Squares for RL in Flow Models
von: Kveton, Branislav, et al.
Veröffentlicht: (2026)

Pix2Code: Learning to Compose Neural Visual Concepts as Programs
von: Wüst, Antonia, et al.
Veröffentlicht: (2024)

VeLU: Variance-enhanced Learning Unit for Deep Neural Networks
von: Shakarami, Ashkan, et al.
Veröffentlicht: (2025)

Early Exiting Predictive Coding Neural Networks for Edge AI
von: Zniber, Alaa, et al.
Veröffentlicht: (2023)

TreeGRPO: Tree-Advantage GRPO for Online RL Post-Training of Diffusion Models
von: Ding, Zheng, et al.
Veröffentlicht: (2025)

Evaluation and Analysis of Deep Neural Transformers and Convolutional Neural Networks on Modern Remote Sensing Datasets
von: Hurt, J. Alex, et al.
Veröffentlicht: (2025)

On the Geometry of Deep Learning
von: Balestriero, Randall, et al.
Veröffentlicht: (2024)

Deep Learning in Cardiology
von: Bizopoulos, Paschalis, et al.
Veröffentlicht: (2019)

B-cosification: Transforming Deep Neural Networks to be Inherently Interpretable
von: Arya, Shreyash, et al.
Veröffentlicht: (2024)

Identifying Bias in Deep Neural Networks Using Image Transforms
von: Erukude, Sai Teja, et al.
Veröffentlicht: (2024)

Deep Convolutional Neural Networks for Palm Fruit Maturity Classification
von: Han, Mingqiang, et al.
Veröffentlicht: (2025)

Tailoring Adversarial Attacks on Deep Neural Networks for Targeted Class Manipulation Using DeepFool Algorithm
von: Labib, S. M. Fazle Rabby, et al.
Veröffentlicht: (2023)

Deep Learning-Based Digitization of Overlapping ECG Images with Open-Source Python Code
von: Karbasi, Reza, et al.
Veröffentlicht: (2025)

LLM as a Tool, Not an Agent: Code-Mined Tree Transformations for Neural Architecture Search
von: Yoshimura, Masakazu, et al.
Veröffentlicht: (2026)

Delta-Based Neural Architecture Search: LLM Fine-Tuning via Code Diffs
von: Adhikari, Santosh Premi, et al.
Veröffentlicht: (2026)

Understanding Multimodal Deep Neural Networks: A Concept Selection View
von: Shang, Chenming, et al.
Veröffentlicht: (2024)

Adaptive Random Feature Regularization on Fine-tuning Deep Neural Networks
von: Yamaguchi, Shin'ya, et al.
Veröffentlicht: (2024)

Understanding Distributed Representations of Concepts in Deep Neural Networks without Supervision
von: Chang, Wonjoon, et al.
Veröffentlicht: (2023)

From Code to Field: Evaluating the Robustness of Convolutional Neural Networks for Disease Diagnosis in Mango Leaves
von: de Andrade, Gabriel Vitorino, et al.
Veröffentlicht: (2025)

DeepRepViz: Identifying Confounders in Deep Learning Model Predictions
von: Rane, Roshan Prakash, et al.
Veröffentlicht: (2023)

Reimplementation of Learning to Reweight Examples for Robust Deep Learning
von: Patil, Parth, et al.
Veröffentlicht: (2024)

Drone Detection using Deep Neural Networks Trained on Pure Synthetic Data
von: Wisniewski, Mariusz, et al.
Veröffentlicht: (2024)

Harden Deep Neural Networks Against Fault Injections Through Weight Scaling
von: Fuengfusin, Ninnart, et al.
Veröffentlicht: (2024)

CSC-Unet: A Novel Convolutional Sparse Coding Strategy Based Neural Network for Semantic Segmentation
von: Tang, Haitong, et al.
Veröffentlicht: (2021)

Deep Active Learning in the Open World
von: Xie, Tian, et al.
Veröffentlicht: (2024)

Possibilistic Predictive Uncertainty for Deep Learning
von: Ni, Yao, et al.
Veröffentlicht: (2026)

Learning Transformer-based World Models with Contrastive Predictive Coding
von: Burchi, Maxime, et al.
Veröffentlicht: (2025)

Categorical Equivariant Deep Learning: Category-Equivariant Neural Networks and Universal Approximation Theorems
von: Maruyama, Yoshihiro
Veröffentlicht: (2025)

FastCAV: Efficient Computation of Concept Activation Vectors for Explaining Deep Neural Networks
von: Schmalwasser, Laines, et al.
Veröffentlicht: (2025)

An Overview of Prototype Formulations for Interpretable Deep Learning
von: Li, Maximilian Xiling, et al.
Veröffentlicht: (2024)

Deep Active Learning: A Reality Check
von: Gashi, Edrina, et al.
Veröffentlicht: (2024)

Revisiting Data Augmentation in Deep Reinforcement Learning
von: Hu, Jianshu, et al.
Veröffentlicht: (2024)

Are Bias Mitigation Techniques for Deep Learning Effective?
von: Shrestha, Robik, et al.
Veröffentlicht: (2021)

Lung Cancer Detection Using Deep Learning
von: Ajmi, Imama, et al.
Veröffentlicht: (2026)

A Comprehensive Survey of Forgetting in Deep Learning Beyond Continual Learning
von: Wang, Zhenyi, et al.
Veröffentlicht: (2023)

Impact of Tuning Parameters in Deep Convolutional Neural Network Using a Crack Image Dataset
von: Zabin, Mahe, et al.
Veröffentlicht: (2025)

k* Distribution: Evaluating the Latent Space of Deep Neural Networks using Local Neighborhood Analysis
von: Kotyan, Shashank, et al.
Veröffentlicht: (2023)

PerNodeDrop: A Method Balancing Specialized Subnets and Regularization in Deep Neural Networks
von: Omathil, Gelesh G, et al.
Veröffentlicht: (2025)

Adaptive Negative Evidential Deep Learning for Open-set Semi-supervised Learning
von: Yu, Yang, et al.
Veröffentlicht: (2023)

Geospatial Representation Learning: A Survey from Deep Learning to The LLM Era
von: Hao, Xixuan, et al.
Veröffentlicht: (2025)