Buchumschlag

Dopamine-driven synaptic credit assignment in neural networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Nambusubramaniyan, Saranraj, Safavi, Shervin, Guru, Raja, Knoblauch, Andreas
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Artificial Intelligence Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Dopamine: Brain Modes, Not Brains
von: Ghasemlou, Shervin
Veröffentlicht: (2026)

Sobolev acceleration for neural networks
von: Oh, Jong Kwon, et al.
Veröffentlicht: (2025)

On permutation-invariant neural networks
von: Kimura, Masanari, et al.
Veröffentlicht: (2024)

Attention mechanisms in neural networks
von: Hays, Hasi
Veröffentlicht: (2026)

Towards Automated Machine Learning Research
von: Ardeshir, Shervin
Veröffentlicht: (2024)

Linearity-based neural network compression
von: Dobler, Silas, et al.
Veröffentlicht: (2025)

Principles of Lipschitz continuity in neural networks
von: Luo, Róisín
Veröffentlicht: (2026)

Applying graph neural network to SupplyGraph for supply chain network
von: Han, Kihwan
Veröffentlicht: (2024)

Understanding the dynamics of the frequency bias in neural networks
von: Molina, Juan, et al.
Veröffentlicht: (2024)

Graph neural networks informed locally by thermodynamics
von: Tierz, Alicia, et al.
Veröffentlicht: (2024)

Graph neural networks and non-commuting operators
von: Velasco, Mauricio, et al.
Veröffentlicht: (2024)

LayerCollapse: Adaptive compression of neural networks
von: Shabgahi, Soheil Zibakhsh, et al.
Veröffentlicht: (2023)

Beyond Pairs: Your Language Model is Secretly Optimizing a Preference Graph
von: Liu, Ning, et al.
Veröffentlicht: (2026)

Randomness and signal propagation in physics-informed neural networks (PINNs): A neural PDE perspective
von: Tucny, Jean-Michel, et al.
Veröffentlicht: (2025)

Concealed Adversarial attacks on neural networks for sequential data
von: Sokerin, Petr, et al.
Veröffentlicht: (2025)

Elimination-compensation pruning for fully-connected neural networks
von: Ballini, Enrico, et al.
Veröffentlicht: (2026)

Planning in a recurrent neural network that plays Sokoban
von: Taufeeque, Mohammad, et al.
Veröffentlicht: (2024)

Understanding polysemanticity in neural networks through coding theory
von: Marshall, Simon C., et al.
Veröffentlicht: (2024)

Variational autoencoder-based neural network model compression
von: Cheng, Liang, et al.
Veröffentlicht: (2024)

Conditional computation in neural networks: principles and research trends
von: Scardapane, Simone, et al.
Veröffentlicht: (2024)

Deep neural networks have an inbuilt Occam's razor
von: Mingard, Chris, et al.
Veröffentlicht: (2023)

Utilizing Lyapunov Exponents in designing deep neural networks
von: Mittra, Tirthankar
Veröffentlicht: (2024)

Grey-informed neural network for time-series forecasting
von: Xie, Wanli, et al.
Veröffentlicht: (2024)

A comparative analysis of a neural network with calculated weights and a neural network with random generation of weights based on the training dataset size
von: Geidarov, Polad
Veröffentlicht: (2025)

Quantifying Representation Reliability in Self-Supervised Learning Models
von: Park, Young-Jin, et al.
Veröffentlicht: (2023)

Understanding the learned look-ahead behavior of chess neural networks
von: Cruz, Diogo
Veröffentlicht: (2025)

Confidence-gated training for efficient early-exit neural networks
von: Mokssit, Saad, et al.
Veröffentlicht: (2025)

StaQ it! Growing neural networks for Policy Mirror Descent
von: Shilova, Alena, et al.
Veröffentlicht: (2025)

Topological derivative approach for deep neural network architecture adaptation
von: Krishnanunni, C G, et al.
Veröffentlicht: (2025)

Robustness questions the interpretability of graph neural networks: what to do?
von: Lukyanov, Kirill, et al.
Veröffentlicht: (2025)

sHGCN: Simplified hyperbolic graph convolutional neural networks
von: Arévalo, Pol, et al.
Veröffentlicht: (2025)

Addressing divergent representations from causal interventions on neural networks
von: Grant, Satchel, et al.
Veröffentlicht: (2025)

Adaptive multiple optimal learning factors for neural network training
von: Challagundla, Jeshwanth
Veröffentlicht: (2024)

Stochastic stem bucking using mixture density neural networks
von: Schmiedel, Simon
Veröffentlicht: (2024)

Do graph neural network states contain graph properties?
von: Pelletreau-Duris, Tom, et al.
Veröffentlicht: (2024)

Do deep neural networks utilize the weight space efficiently?
von: Koyun, Onur Can, et al.
Veröffentlicht: (2024)

Simmering: Sufficient is better than optimal for training neural networks
von: Babayan, Irina, et al.
Veröffentlicht: (2024)

Multi-layer random features and the approximation power of neural networks
von: Takhanov, Rustem
Veröffentlicht: (2024)

Invertible Koopman neural operator for data-driven modeling of partial differential equations
von: Jin, Yuhong, et al.
Veröffentlicht: (2025)

Explaining deep neural network models for electricity price forecasting with XAI
von: Pesenti, Antoine, et al.
Veröffentlicht: (2025)