Buchumschlag

SymDQN: Symbolic Knowledge and Reasoning in Neural Network-based Reinforcement Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Amador, Ivo, Gierasimczuk, Nina
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Artificial Intelligence Logic in Computer Science 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

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

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

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)

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

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

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)

Combining Trained Models in Reinforcement Learning
von: Patil, Ujjwal, et al.
Veröffentlicht: (2026)

On the Infinite Width and Depth Limits of Predictive Coding Networks
von: Innocenti, Francesco, et al.
Veröffentlicht: (2026)

Only Strict Saddles in the Energy Landscape of Predictive Coding Networks?
von: Innocenti, Francesco, et al.
Veröffentlicht: (2024)

$μ$PC: Scaling Predictive Coding to 100+ Layer Networks
von: Innocenti, Francesco, et al.
Veröffentlicht: (2025)

Vector Symbolic Architectures answer Jackendoff's challenges for cognitive neuroscience
von: Gayler, Ross W.
Veröffentlicht: (2004)

Collapse or Preserve: Data-Dependent Temporal Aggregation for Spiking Neural Network Acceleration
von: Qin, Jiahao
Veröffentlicht: (2026)

Efficient NAS with FaDE on Hierarchical Spaces
von: Neumeyer, Simon, et al.
Veröffentlicht: (2024)

A Neuro-Fuzzy System for Interpretable Long-Term Stock Market Forecasting
von: Ožbot, Miha, et al.
Veröffentlicht: (2025)

Symbolic Neural Generation with Applications to Lead Discovery in Drug Design
von: Srinivasan, Ashwin, et al.
Veröffentlicht: (2025)

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

Evolving Programmatic Skill Networks
von: Shi, Haochen, et al.
Veröffentlicht: (2026)

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

NITRO-D: Native Integer-only Training of Deep Convolutional Neural Networks
von: Pirillo, Alberto, et al.
Veröffentlicht: (2024)

Interactive LLM-assisted Curriculum Learning for Multi-Task Evolutionary Policy Search
von: Sakallioglu, Berfin, et al.
Veröffentlicht: (2026)

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

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

AiGAS-dEVL: An Adaptive Incremental Neural Gas Model for Drifting Data Streams under Extreme Verification Latency
von: Arostegi, Maria, et al.
Veröffentlicht: (2024)

Pre-train to Gain: Robust Learning Without Clean Labels
von: Szczecina, David, et al.
Veröffentlicht: (2025)

FF-INT8: Efficient Forward-Forward DNN Training on Edge Devices with INT8 Precision
von: Ma, Jingxiao, et al.
Veröffentlicht: (2025)

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

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

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

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

Accelerating Model-Based Reinforcement Learning with State-Space World Models
von: Krinner, Maria, et al.
Veröffentlicht: (2025)

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

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

The Backpropagation Algorithm Implemented on Spiking Neuromorphic Hardware
von: Renner, Alpha, et al.
Veröffentlicht: (2021)

Combining AI Control Systems and Human Decision Support via Robustness and Criticality
von: Woods, Walt, et al.
Veröffentlicht: (2024)

SPARTA: Advancing Sparse Attention in Spiking Neural Networks via Spike-Timing-Based Prioritization
von: Jang, Minsuk, et al.
Veröffentlicht: (2025)

Pulse-Driven Neural Architecture: Learnable Oscillatory Dynamics for Robust Continuous-Time Sequence Processing
von: Sharma, Paras
Veröffentlicht: (2026)

A Survey on Large Language Models with some Insights on their Capabilities and Limitations
von: Matarazzo, Andrea, et al.
Veröffentlicht: (2025)

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

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