Buchumschlag

Predictive Spike Timing Enables Distributed Shortest Path Computation in Spiking Neural Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Storesund, Simen, Aars, Kristian Valset, Dietrich, Robin, Waniek, Nicolai
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Neural and Evolutionary Computing Artificial Intelligence Data Structures and Algorithms Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Multi-Neuron Representations of Hierarchical Concepts in Spiking Neural Networks
von: Lynch, Nancy A.
Veröffentlicht: (2024)

Threshold Adaptation in Spiking Networks Enables Shortest Path Finding and Place Disambiguation
von: Dietrich, Robin, et al.
Veröffentlicht: (2025)

Convergence and Running Time of Time-dependent Ant Colony Algorithms
von: Manthey, Bodo, et al.
Veröffentlicht: (2025)

Which Algorithms Can Graph Neural Networks Learn?
von: Wittig, Solveig, et al.
Veröffentlicht: (2026)

The Runtime of Random Local Search on the Generalized Needle Problem
von: Doerr, Benjamin, et al.
Veröffentlicht: (2024)

Speeding Up Hyper-Heuristics With Markov-Chain Operator Selection and the Only-Worsening Acceptance Operator
von: Bendahi, Abderrahim, et al.
Veröffentlicht: (2025)

How the Move Acceptance Hyper-Heuristic Copes With Local Optima: Drastic Differences Between Jumps and Cliffs
von: Doerr, Benjamin, et al.
Veröffentlicht: (2023)

Fourier Analysis Meets Runtime Analysis: Precise Runtimes on Plateaus
von: Doerr, Benjamin, et al.
Veröffentlicht: (2023)

Hyper-Heuristics Can Profit From Global Variation Operators
von: Doerr, Benjamin, et al.
Veröffentlicht: (2024)

Runtime Analysis for the NSGA-II: Provable Speed-Ups From Crossover
von: Doerr, Benjamin, et al.
Veröffentlicht: (2022)

Learning to Approximate Uniform Facility Location via Graph Neural Networks
von: Qian, Chendi, et al.
Veröffentlicht: (2026)

Biased Pareto Optimization for Subset Selection with Dynamic Cost Constraints
von: Liu, Dan-Xuan, et al.
Veröffentlicht: (2024)

A Scalable Trie Building Algorithm for High-Throughput Phyloanalysis of Wafer-Scale Digital Evolution Experiments
von: Singhvi, Vivaan, et al.
Veröffentlicht: (2025)

Abstraction in Neural Networks
von: Lynch, Nancy
Veröffentlicht: (2024)

ReLU Neural Networks of Polynomial Size for Exact Maximum Flow Computation
von: Hertrich, Christoph, et al.
Veröffentlicht: (2021)

A First Runtime Analysis of the NSGA-II on a Multimodal Problem
von: Doerr, Benjamin, et al.
Veröffentlicht: (2022)

Classical Sorting Algorithms as a Model of Morphogenesis: self-sorting arrays reveal unexpected competencies in a minimal model of basal intelligence
von: Zhang, Taining, et al.
Veröffentlicht: (2023)

Selection Hyper-heuristics Can Automatically Adjust the Learning Period to Optimally Solve Pseudo-Boolean Problems
von: Doerr, Benjamin, et al.
Veröffentlicht: (2026)

Training Neural Networks is NP-Hard in Fixed Dimension
von: Froese, Vincent, et al.
Veröffentlicht: (2023)

Convergence Analysis for Deep Sparse Coding via Convolutional Neural Networks
von: Li, Jianfei, et al.
Veröffentlicht: (2024)

Beyond Rate Coding: Surrogate Gradients Enable Spike Timing Learning in Spiking Neural Networks
von: Yu, Ziqiao, et al.
Veröffentlicht: (2025)

Learning with Spike Synchrony in Spiking Neural Networks
von: Tian, Yuchen, et al.
Veröffentlicht: (2025)

Covered Forest: Fine-grained generalization analysis of graph neural networks
von: Vasileiou, Antonis, et al.
Veröffentlicht: (2024)

Local search for valued constraint satisfaction parameterized by treedepth
von: Kaznatcheev, Artem
Veröffentlicht: (2024)

Stringology-Based Motif Discovery from EEG Signals: an ADHD Case Study
von: Dahan, Anat, et al.
Veröffentlicht: (2026)

Spiking Neural Networks: The Future of Brain-Inspired Computing
von: Aribe Jr, Sales G.
Veröffentlicht: (2025)

Spike Accumulation Forwarding for Effective Training of Spiking Neural Networks
von: Saiin, Ryuji, et al.
Veröffentlicht: (2023)

SpikeFI: A Fault Injection Framework for Spiking Neural Networks
von: Spyrou, Theofilos, et al.
Veröffentlicht: (2024)

Efficient Training of Spiking Neural Networks by Spike-aware Data Pruning
von: Ma, Chenxiang, et al.
Veröffentlicht: (2025)

Range and Angle Estimation with Spiking Neural Resonators for FMCW Radar
von: Reeb, Nico, et al.
Veröffentlicht: (2025)

Stable Spike: Dual Consistency Optimization via Bitwise AND Operations for Spiking Neural Networks
von: Ding, Yongqi, et al.
Veröffentlicht: (2026)

SpikeExplorer: hardware-oriented Design Space Exploration for Spiking Neural Networks on FPGA
von: Padovano, Dario, et al.
Veröffentlicht: (2024)

Towards Efficient Deep Spiking Neural Networks Construction with Spiking Activity based Pruning
von: Li, Yaxin, et al.
Veröffentlicht: (2024)

Knapsack: Connectedness, Path, and Shortest-Path
von: Dey, Palash, et al.
Veröffentlicht: (2023)

Parallel Hyperparameter Optimization Of Spiking Neural Network
von: Firmin, Thomas, et al.
Veröffentlicht: (2024)

Continual Learning with Columnar Spiking Neural Networks
von: Larionov, Denis, et al.
Veröffentlicht: (2025)

Efficiently Training Time-to-First-Spike Spiking Neural Networks from Scratch
von: Che, Kaiwei, et al.
Veröffentlicht: (2024)

A High-Throughput Spiking Neural Network Processor Enabling Synaptic Delay Emulation
von: Chen, Faquan, et al.
Veröffentlicht: (2025)

Efficient Parallel Training Methods for Spiking Neural Networks with Constant Time Complexity
von: Feng, Wanjin, et al.
Veröffentlicht: (2025)

Learning in Spiking Neural Networks with a Calcium-based Hebbian Rule for Spike-timing-dependent Plasticity
von: Girão, Willian Soares, et al.
Veröffentlicht: (2025)