Buchumschlag

Redundancy Maximization as a Principle of Associative Memory Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Blümel, Mark, Schneider, Andreas C., Neuhaus, Valentin, Ehrlich, David A., Graetz, Marcel, Wibral, Michael, Makkeh, Abdullah, Priesemann, Viola
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Information Theory Machine Learning Neural and Evolutionary Computing Computational Physics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A General Framework for Interpretable Neural Learning based on Local Information-Theoretic Goal Functions
von: Makkeh, Abdullah, et al.
Veröffentlicht: (2023)

What should a neuron aim for? Designing local objective functions based on information theory
von: Schneider, Andreas C., et al.
Veröffentlicht: (2024)

Influence Maximization in Hypergraphs using Multi-Objective Evolutionary Algorithms
von: Genetti, Stefano, et al.
Veröffentlicht: (2024)

Enhancing Discrete Particle Swarm Optimization for Hypergraph-Modeled Influence Maximization
von: Wang, Qianshi, et al.
Veröffentlicht: (2026)

Neural Influence Estimator: Towards Real-time Solutions to Influence Blocking Maximization
von: Chen, Wenjie, et al.
Veröffentlicht: (2023)

Influence Maximization in Hypergraphs Using A Genetic Algorithm with New Initialization and Evaluation Methods
von: Qu, Xilong, et al.
Veröffentlicht: (2024)

Dense Associative Memories with Analog Circuits
von: Bacvanski, Marc Gong, et al.
Veröffentlicht: (2025)

Avoiding Redundant Restarts in Multimodal Global Optimization
von: de Nobel, Jacob, et al.
Veröffentlicht: (2024)

Oscillator-Based Associative Memory with Exponential Capacity: Theory, Algorithms, and Hardware Implementation
von: Ogranovich, Arie, et al.
Veröffentlicht: (2026)

Associative Memory Model with Neural Networks: Memorizing multiple images with one neuron
von: Inazawa, Hiroshi
Veröffentlicht: (2025)

Lexicase Selection Parameter Analysis: Varying Population Size and Test Case Redundancy with Diagnostic Metrics
von: Hernandez, Jose Guadalupe, et al.
Veröffentlicht: (2024)

Brain in the Dark: Design Principles for Neuromimetic Inference under the Free Energy Principle
von: Bazargani, Mehran H., et al.
Veröffentlicht: (2025)

Maximizing Information in Neuron Populations for Neuromorphic Spike Encoding
von: Ferdaoussi, Ahmad El, et al.
Veröffentlicht: (2024)

The Price of Meaning: Why Every Semantic Memory System Forgets
von: Barman, Sambartha Ray, et al.
Veröffentlicht: (2026)

A Multi-Transformation Evolutionary Framework for Influence Maximization in Social Networks
von: Wang, Chao, et al.
Veröffentlicht: (2022)

NeuromorphicRx: From Neural to Spiking Receiver
von: Gupta, Ankit, et al.
Veröffentlicht: (2025)

Training oscillator Ising machines to assign the dynamic stability of their equilibrium points
von: Cheng, Yi, et al.
Veröffentlicht: (2025)

PreferRec: Learning and Transferring Pareto Preferences for Multi-objective Re-ranking
von: Zhou, Wei, et al.
Veröffentlicht: (2026)

Linear Codes for Hyperdimensional Computing
von: Raviv, Netanel
Veröffentlicht: (2024)

Many-Objective Evolutionary Influence Maximization: Balancing Spread, Budget, Fairness, and Time
von: Cunegatti, Elia, et al.
Veröffentlicht: (2024)

Predictive Associative Memory: Retrieval Beyond Similarity Through Temporal Co-occurrence
von: Dury, Jason
Veröffentlicht: (2026)

Kernel Memory Networks: A Unifying Framework for Memory Modeling
von: Iatropoulos, Georgios, et al.
Veröffentlicht: (2022)

A Quantifier-Reversal Approximation Paradigm for Recurrent Neural Networks
von: Hutter, Clemens, et al.
Veröffentlicht: (2025)

Neural Associative Skill Memories for safer robotics and modelling human sensorimotor repertoires
von: Mahajan, Pranav, et al.
Veröffentlicht: (2025)

Sequential Learning in the Dense Associative Memory
von: McAlister, Hayden, et al.
Veröffentlicht: (2024)

The Influence of the Memory Capacity of Neural DDEs on the Universal Approximation Property
von: Kuehn, Christian, et al.
Veröffentlicht: (2025)

Visual Evolutionary Optimization on Graph-Structured Combinatorial Problems with MLLMs: A Case Study of Influence Maximization
von: Zhao, Jie, et al.
Veröffentlicht: (2025)

IM-META: Influence Maximization Using Node Metadata in Networks With Unknown Topology
von: Tran, Cong, et al.
Veröffentlicht: (2021)

BioNIC: Biologically Inspired Neural Network for Image Classification Using Connectomics Principles
von: Prasanth, Diya, et al.
Veröffentlicht: (2026)

Generalized Heavy-tailed Mutation for Evolutionary Algorithms
von: Eremeev, Anton V., et al.
Veröffentlicht: (2026)

Optimal Memory Encoding Through Fluctuation-Response Structure
von: Cui, Lianxiang, et al.
Veröffentlicht: (2026)

Is the Fitness Dependent Optimizer Ready for the Future of Optimization?
von: Awlla, Ardalan H., et al.
Veröffentlicht: (2025)

Improved Robustness and Hyperparameter Selection in the Dense Associative Memory
von: McAlister, Hayden, et al.
Veröffentlicht: (2024)

Exponential Dynamic Energy Network for High Capacity Sequence Memory
von: Karuvally, Arjun, et al.
Veröffentlicht: (2025)

A Neuromorphic Model of Learning Meaningful Sequences with Long-Term Memory
von: Iyer, Laxmi R., et al.
Veröffentlicht: (2025)

Multi-threaded Memory Efficient Crossover in C++ for Generational Genetic Programming
von: Langdon, W. B.
Veröffentlicht: (2020)

Neural auto-association with optimal Bayesian learning
von: Knoblauch, Andreas
Veröffentlicht: (2024)

Analysis of the Geometric Structure of Neural Networks and Neural ODEs via Morse Functions
von: Kuehn, Christian, et al.
Veröffentlicht: (2024)

Hidden Traveling Waves bind Working Memory Variables in Recurrent Neural Networks
von: Karuvally, Arjun, et al.
Veröffentlicht: (2024)

Memory Enhanced Fractional-Order Dung Beetle Optimization for Photovoltaic Parameter Identification
von: Li, Yiwei, et al.
Veröffentlicht: (2025)