Buchumschlag

GeoDynamics: A Geometric State-Space Neural Network for Understanding Brain Dynamics on Riemannian Manifolds

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Dan, Tingting, Ding, Jiaqi, Wu, Guorong
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Explore Brain-Inspired Machine Intelligence for Connecting Dots on Graphs Through Holographic Blueprint of Oscillatory Synchronization
von: Dan, Tingting, et al.
Veröffentlicht: (2026)

ManifoldFormer: Geometric Deep Learning for Neural Dynamics on Riemannian Manifolds
von: Fu, Yihang, et al.
Veröffentlicht: (2025)

Large Connectome Model: An fMRI Foundation Model of Brain Connectomes Empowered by Brain-Environment Interaction in Multitask Learning Landscape
von: Wei, Ziquan, et al.
Veröffentlicht: (2025)

NeuroPath: A Neural Pathway Transformer for Joining the Dots of Human Connectomes
von: Wei, Ziquan, et al.
Veröffentlicht: (2024)

From Cortical Synchronous Rhythm to Brain Inspired Learning Mechanism: An Oscillatory Spiking Neural Network with Time-Delayed Coordination
von: Dan, Tingting, et al.
Veröffentlicht: (2026)

Message Detouring: A Simple Yet Effective Cycle Representation for Expressive Graph Learning
von: Wei, Ziquan, et al.
Veröffentlicht: (2024)

Sharpness-Aware Teleportation on Riemannian Manifolds
von: Truong, Tuan, et al.
Veröffentlicht: (2023)

Riemannian Optimization for LoRA on the Stiefel Manifold
von: Park, Juneyoung, et al.
Veröffentlicht: (2025)

Spectro-Riemannian Graph Neural Networks
von: Grover, Karish, et al.
Veröffentlicht: (2025)

Neural Dynamics-Informed Pre-trained Framework for Personalized Brain Functional Network Construction
von: Jiang, Hongjie, et al.
Veröffentlicht: (2026)

The Lifecycle Principle: Stabilizing Dynamic Neural Networks with State Memory
von: Yang, Zichuan
Veröffentlicht: (2025)

Deep Manifold Part 1: Anatomy of Neural Network Manifold
von: Ma, Max Y., et al.
Veröffentlicht: (2024)

Intrinsic Muon: Spectral Optimization on Riemannian Matrix Manifolds
von: Li, Yibang, et al.
Veröffentlicht: (2026)

From Layers to States: A State Space Model Perspective to Deep Neural Network Layer Dynamics
von: Liu, Qinshuo, et al.
Veröffentlicht: (2025)

Revealing Neurocognitive and Behavioral Patterns by Unsupervised Manifold Learning from Dynamic Brain Data
von: Zhou, Zixia, et al.
Veröffentlicht: (2025)

Geometric Neural Operators via Lie Group-Constrained Latent Dynamics
von: Zhang, Jiaquan, et al.
Veröffentlicht: (2026)

Verified Safe Reinforcement Learning for Neural Network Dynamic Models
von: Wu, Junlin, et al.
Veröffentlicht: (2024)

Tubular Riemannian Laplace Approximations for Bayesian Neural Networks
von: David, Rodrigo Pereira
Veröffentlicht: (2025)

Geometric Manifold Rectification for Imbalanced Learning
von: Wang, Xubin, et al.
Veröffentlicht: (2026)

DyGMamba: Efficiently Modeling Long-Term Temporal Dependency on Continuous-Time Dynamic Graphs with State Space Models
von: Ding, Zifeng, et al.
Veröffentlicht: (2024)

On the Spatiotemporal Dynamics of Generalization in Neural Networks
von: Wei, Zichao
Veröffentlicht: (2026)

Wormhole Dynamics in Deep Neural Networks
von: Lai, Yen-Lung, et al.
Veröffentlicht: (2025)

Understanding the differences in Foundation Models: Attention, State Space Models, and Recurrent Neural Networks
von: Sieber, Jerome, et al.
Veröffentlicht: (2024)

Modeling COVID-19 Dynamics in German States Using Physics-Informed Neural Networks
von: Rothenbeck, Phillip, et al.
Veröffentlicht: (2025)

EvoBrain: Dynamic Multi-Channel EEG Graph Modeling for Time-Evolving Brain Networks
von: Kotoge, Rikuto, et al.
Veröffentlicht: (2025)

Feature Learning Dynamics in Infinite-Depth Neural Networks
von: Yao, Zihan, et al.
Veröffentlicht: (2025)

Heterophily-Agnostic Hypergraph Neural Networks with Riemannian Local Exchanger
von: Sun, Li, et al.
Veröffentlicht: (2026)

HCP-DCNet: A Hierarchical Causal Primitive Dynamic Composition Network for Self-Improving Causal Understanding
von: Lei, Ming, et al.
Veröffentlicht: (2026)

Deep Manifold Part 2: Neural Network Mathematics
von: Ma, Max Y., et al.
Veröffentlicht: (2025)

SAGMAN: Stability Analysis of Graph Neural Networks on the Manifolds
von: Cheng, Wuxinlin, et al.
Veröffentlicht: (2024)

Discrete Semantic States and Hamiltonian Dynamics in LLM Embedding Spaces
von: Laine, Timo Aukusti
Veröffentlicht: (2025)

Generative System Dynamics in Recurrent Neural Networks
von: Casoni, Michele, et al.
Veröffentlicht: (2025)

Causal Graph Neural Networks for Healthcare
von: Mesinovic, Munib, et al.
Veröffentlicht: (2025)

Bridging Neural Networks and Dynamic Time Warping for Adaptive Time Series Classification
von: Qu, Jintao, et al.
Veröffentlicht: (2025)

Geometric and Dynamic Scaling in Deep Transformers
von: Su, Haoran, et al.
Veröffentlicht: (2026)

Epi$^2$-Net: Advancing Epidemic Dynamics Forecasting with Physics-Inspired Neural Networks
von: Sun, Rui, et al.
Veröffentlicht: (2025)

Geometric Kolmogorov--Arnold Network (GeoKAN)
von: Sen, Abhijit, et al.
Veröffentlicht: (2026)

GeoAda: Efficiently Finetune Geometric Diffusion Models with Equivariant Adapters
von: Zhao, Wanjia, et al.
Veröffentlicht: (2025)

Scale-Consistent State-Space Dynamics via Fractal of Stationary Transformations
von: Yu, Geunhyeok, et al.
Veröffentlicht: (2026)

A Neural-Guided Dynamic Symbolic Network for Exploring Mathematical Expressions from Data
von: Li, Wenqiang, et al.
Veröffentlicht: (2023)