Buchumschlag

Three factor delay learning rules for spiking neural networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Vassallo, Luke, Taherinejad, Nima
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Neural and Evolutionary Computing Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Learning fast changing slow in spiking neural networks
von: Capone, Cristiano, et al.
Veröffentlicht: (2024)

Flexible inference for animal learning rules using neural networks
von: Liu, Yuhan Helena, et al.
Veröffentlicht: (2025)

Iteration over event space in time-to-first-spike spiking neural networks for Twitter bot classification
von: Pabian, Mateusz, et al.
Veröffentlicht: (2024)

Application-oriented automatic hyperparameter optimization for spiking neural network prototyping
von: Fra, Vittorio
Veröffentlicht: (2025)

Fast gradient-free activation maximization for neurons in spiking neural networks
von: Pospelov, Nikita, et al.
Veröffentlicht: (2023)

Similarity-based context aware continual learning for spiking neural networks
von: Han, Bing, et al.
Veröffentlicht: (2024)

DelRec: learning delays in recurrent spiking neural networks
von: Queant, Alexandre, et al.
Veröffentlicht: (2025)

Reconsidering the energy efficiency of spiking neural networks
von: Yan, Zhanglu, et al.
Veröffentlicht: (2024)

Fractional-order spike-timing-dependent gradient descent for multi-layer spiking neural networks
von: Yang, Yi, et al.
Veröffentlicht: (2024)

Neuromorphic on-chip reservoir computing with spiking neural network architectures
von: Karki, Samip, et al.
Veröffentlicht: (2024)

Differentiable architecture search with multi-dimensional attention for spiking neural networks
von: Man, Yilei, et al.
Veröffentlicht: (2024)

Optimal feature rescaling in machine learning based on neural networks
von: Vitrò, Federico Maria, et al.
Veröffentlicht: (2024)

Covariant spatio-temporal receptive fields for spiking neural networks
von: Pedersen, Jens Egholm, et al.
Veröffentlicht: (2024)

A survey on learning models of spiking neural membrane systems and spiking neural networks
von: Paul, Prithwineel, et al.
Veröffentlicht: (2024)

Decoding finger velocity from cortical spike trains with recurrent spiking neural networks
von: Liu, Tengjun, et al.
Veröffentlicht: (2024)

Scale-covariant spiking wavelets
von: Pedersen, Jens Egholm, et al.
Veröffentlicht: (2026)

Causal pieces: analysing and improving spiking neural networks piece by piece
von: Dold, Dominik, et al.
Veröffentlicht: (2025)

Provably robust learning of regression neural networks using $β$-divergences
von: Ghosh, Abhik, et al.
Veröffentlicht: (2026)

ISAM-MTL: Cross-subject multi-task learning model with identifiable spikes and associative memory networks
von: Li, Junyan, et al.
Veröffentlicht: (2025)

Continual learning with the neural tangent ensemble
von: Benjamin, Ari S., et al.
Veröffentlicht: (2024)

Universality of reservoir systems with recurrent neural networks
von: Yasumoto, Hiroki, et al.
Veröffentlicht: (2024)

Gated recurrent neural networks discover attention
von: Zucchet, Nicolas, et al.
Veröffentlicht: (2023)

Designing deep neural networks for driver intention recognition
von: Vellenga, Koen, et al.
Veröffentlicht: (2024)

Learning richness modulates equality reasoning in neural networks
von: Tong, William L., et al.
Veröffentlicht: (2025)

Investigating the generative dynamics of energy-based neural networks
von: Tausani, Lorenzo, et al.
Veröffentlicht: (2023)

Benchmarking local Hebbian learning rules for memory storage and prototype extraction
von: Lansner, Anders, et al.
Veröffentlicht: (2026)

Improved weight initialization for deep and narrow feedforward neural network
von: Lee, Hyunwoo, et al.
Veröffentlicht: (2023)

Spike-based computation using classical recurrent neural networks
von: De Geeter, Florent, et al.
Veröffentlicht: (2023)

Hypercomplex neural network in time series forecasting of stock data
von: Kycia, Radosław, et al.
Veröffentlicht: (2024)

Towards a "universal translator" for neural dynamics at single-cell, single-spike resolution
von: Zhang, Yizi, et al.
Veröffentlicht: (2024)

A rationale from frequency perspective for grokking in training neural network
von: Zhou, Zhangchen, et al.
Veröffentlicht: (2024)

Gradient-based inference of abstract task representations for generalization in neural networks
von: Hummos, Ali, et al.
Veröffentlicht: (2024)

Evolutionary feature selection for spiking neural network pattern classifiers
von: Valko, Michal, et al.
Veröffentlicht: (2026)

STCSNN: High energy efficiency spike-train level spiking neural networks with spatio-temporal conversion
von: Xu, Changqing, et al.
Veröffentlicht: (2023)

Scalable neuromorphic computing from autonomous spiking dynamics in a clockless reconfigurable chip
von: Gomes, Eric Oliveira, et al.
Veröffentlicht: (2026)

Prototype-based interpretation of the functionality of neurons in winner-take-all neural networks
von: Sabzevar, Ramin Zarei, et al.
Veröffentlicht: (2020)

Storing overlapping associative memories on latent manifolds in low-rank spiking networks
von: Podlaski, William F., et al.
Veröffentlicht: (2024)

DelGrad: Exact event-based gradients for training delays and weights on spiking neuromorphic hardware
von: Göltz, Julian, et al.
Veröffentlicht: (2024)

The dynamic interplay between in-context and in-weight learning in humans and neural networks
von: Russin, Jacob, et al.
Veröffentlicht: (2024)

Dendrites endow artificial neural networks with accurate, robust and parameter-efficient learning
von: Chavlis, Spyridon, et al.
Veröffentlicht: (2024)