Buchumschlag

The Enduring Dominance of Deep Neural Networks: A Critical Analysis of the Fundamental Limitations of Quantum Machine Learning and Spiking Neural Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Ishikawa, Takehiro
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

Spark: Modular Spiking Neural Networks
von: Franco, Mario, et al.
Veröffentlicht: (2026)

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

TACOS: Task Agnostic Continual Learning in Spiking Neural Networks
von: Soures, Nicholas, et al.
Veröffentlicht: (2024)

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

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

Gradient-Free Continual Learning in Spiking Neural Networks via Inter-Spike Interval Regularization
von: Roy, Samrendra, et al.
Veröffentlicht: (2026)

Scalable Learning in Structured Recurrent Spiking Neural Networks without Backpropagation
von: Tang, Bo, et al.
Veröffentlicht: (2026)

Enhancing Graph Representation Learning with Attention-Driven Spiking Neural Networks
von: Yin, Huifeng, et al.
Veröffentlicht: (2024)

Hebbian Learning based Orthogonal Projection for Continual Learning of Spiking Neural Networks
von: Xiao, Mingqing, et al.
Veröffentlicht: (2024)

A Graph is Worth 1-bit Spikes: When Graph Contrastive Learning Meets Spiking Neural Networks
von: Li, Jintang, et al.
Veröffentlicht: (2023)

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)

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

MTSpark: Enabling Multi-Task Learning with Spiking Neural Networks for Generalist Agents
von: Devkota, Avaneesh, et al.
Veröffentlicht: (2024)

TESS: A Scalable Temporally and Spatially Local Learning Rule for Spiking Neural Networks
von: Apolinario, Marco Paul E., et al.
Veröffentlicht: (2025)

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

A Scalable Hybrid Training Approach for Recurrent Spiking Neural Networks
von: Baronig, Maximilian, et al.
Veröffentlicht: (2025)

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

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

Temporal Spiking Neural Networks with Synaptic Delay for Graph Reasoning
von: Xiao, Mingqing, et al.
Veröffentlicht: (2024)

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

SpikeNAS: A Fast Memory-Aware Neural Architecture Search Framework for Spiking Neural Network-based Embedded AI Systems
von: Putra, Rachmad Vidya Wicaksana, et al.
Veröffentlicht: (2024)

SiGNN: A Spike-induced Graph Neural Network for Dynamic Graph Representation Learning
von: Chen, Dong, et al.
Veröffentlicht: (2024)

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

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

Average-Over-Time Spiking Neural Networks for Uncertainty Estimation in Regression
von: Sun, Tao, et al.
Veröffentlicht: (2024)

Online Pseudo-Zeroth-Order Training of Neuromorphic Spiking Neural Networks
von: Xiao, Mingqing, et al.
Veröffentlicht: (2024)

Globally Optimal Training of Spiking Neural Networks via Parameter Reconstruction
von: Udupi, Himanshu, et al.
Veröffentlicht: (2026)

Training Spiking Neural Networks via Augmented Direct Feedback Alignment
von: Zhang, Yongbo, et al.
Veröffentlicht: (2024)

SPEAR: Structured Pruning for Spiking Neural Networks via Synaptic Operation Estimation and Reinforcement Learning
von: Xie, Hui, et al.
Veröffentlicht: (2025)

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

SGNNBench: A Holistic Evaluation of Spiking Graph Neural Network on Large-scale Graph
von: Zhang, Huizhe, et al.
Veröffentlicht: (2025)

A frugal Spiking Neural Network for unsupervised classification of continuous multivariate temporal data
von: Pokala, Sai Deepesh, et al.
Veröffentlicht: (2024)

Direct Training Needs Regularisation: Anytime Optimal Inference Spiking Neural Network
von: Wu, Dengyu, et al.
Veröffentlicht: (2024)

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

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

Brain-Inspired Spiking Neural Networks for Industrial Fault Diagnosis: A Survey, Challenges, and Opportunities
von: Wang, Huan, et al.
Veröffentlicht: (2023)

Izhikevich-Inspired Temporal Dynamics for Enhancing Privacy, Efficiency, and Transferability in Spiking Neural Networks
von: Moshruba, Ayana, et al.
Veröffentlicht: (2025)

Toward End-to-End Bearing Fault Diagnosis for Industrial Scenarios with Spiking Neural Networks
von: Zuo, Lin, et al.
Veröffentlicht: (2024)

Benchmarking Fairness in Spiking Neural Networks: Data Bias, Spurious Features, and Hardware Effects
von: He, Hudi, et al.
Veröffentlicht: (2026)

Gradient-Free Training of Spiking Neural Networks via Low-Rank Evolution Strategies
von: Patankar, Dhruv, et al.
Veröffentlicht: (2026)