Buchumschlag

Breaking the Conventional Forward-Backward Tie in Neural Networks: Activation Functions

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Troiano, Luigi, Gissi, Francesco, Benedetto, Vincenzo, Tortora, Genny
Format:	Preprint
Veröffentlicht:	2025
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

Backpropagation-free Spiking Neural Networks with the Forward-Forward Algorithm
von: Ghader, Mohammadnavid, et al.
Veröffentlicht: (2025)

Selectivity and Shape in the Design of Forward-Forward Goodness Functions
von: Akkus, Talha Ruzgar, et al.
Veröffentlicht: (2026)

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

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

On the Improvement of Generalization and Stability of Forward-Only Learning via Neural Polarization
von: Terres-Escudero, Erik B., et al.
Veröffentlicht: (2024)

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

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

Understanding the Functional Roles of Modelling Components in Spiking Neural Networks
von: Yin, Huifeng, et al.
Veröffentlicht: (2024)

Neuro-Symbolic Activation Discovery: Transferring Mathematical Structures from Physics to Ecology for Parameter-Efficient Neural Networks
von: Hajbi, Anas
Veröffentlicht: (2026)

Frequency and Generalisation of Periodic Activation Functions in Reinforcement Learning
von: Mavor-Parker, Augustine N., et al.
Veröffentlicht: (2024)

Learning Active Subspaces and Discovering Important Features with Gaussian Radial Basis Functions Neural Networks
von: D'Agostino, Danny, et al.
Veröffentlicht: (2023)

Neural Interpretable Reasoning
von: Barbiero, Pietro, et al.
Veröffentlicht: (2025)

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

Projective Kolmogorov Arnold Neural Networks (P-KANs): Entropy-Driven Functional Space Discovery for Interpretable Machine Learning
von: Poole, Alastair, et al.
Veröffentlicht: (2025)

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

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

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

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

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

QF-tuner: Breaking Tradition in Reinforcement Learning
von: Jumaah, Mahmood A., et al.
Veröffentlicht: (2024)

Forward-Cooperation-Backward (FCB) learning in a Multi-Encoding Uni-Decoding neural network architecture
von: Dutta, Prasun, et al.
Veröffentlicht: (2025)

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

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

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

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

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

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

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

Adversarially Robust Spiking Neural Networks Through Conversion
von: Özdenizci, Ozan, et al.
Veröffentlicht: (2023)

Uncertainty Aware Neural Network from Similarity and Sensitivity
von: Kabir, H M Dipu, et al.
Veröffentlicht: (2023)

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

Training Neural Networks with Optimal Double-Bayesian Learning
von: Bui, Vy, et al.
Veröffentlicht: (2026)

Small Contributions, Small Networks: Efficient Neural Network Pruning Based on Relative Importance
von: Hussien, Mostafa, et al.
Veröffentlicht: (2024)

Activations Through Extensions: A Framework To Boost Performance Of Neural Networks
von: Kamanchi, Chandramouli, et al.
Veröffentlicht: (2024)

The Robustness of Spiking Neural Networks in Communication and its Application towards Network Efficiency in Federated Learning
von: Nguyen, Manh V., et al.
Veröffentlicht: (2024)

Quantum-Evolutionary Neural Networks for Multi-Agent Federated Learning
von: Lala, Aarav, et al.
Veröffentlicht: (2025)

STAER: Temporal Aligned Rehearsal for Continual Spiking Neural Network
von: Gianferrari, Matteo, et al.
Veröffentlicht: (2026)