Buchumschlag

A Physical Theory of Backpropagation: Exact Gradients from the Least-Action Principle

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Scurria, Antonino Emanuele
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Artificial Intelligence Neural and Evolutionary Computing Classical Physics Computational Physics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Equilibrium Propagation for Non-Conservative Systems
von: Scurria, Antonino Emanuele, et al.
Veröffentlicht: (2026)

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

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

Brain-inspired Chaotic Graph Backpropagation for Large-scale Combinatorial Optimization
von: Tao, Peng, et al.
Veröffentlicht: (2024)

PropNEAT -- Efficient GPU-Compatible Backpropagation over NeuroEvolutionary Augmenting Topology Networks
von: Merry, Michael, et al.
Veröffentlicht: (2024)

Parallel Algorithms for Exact Enumeration of Deep Neural Network Activation Regions
von: Drammis, Sabrina, et al.
Veröffentlicht: (2024)

Non-binary artificial neuron with phase variation implemented on a quantum computer
von: de Borba, Jhordan Silveira, et al.
Veröffentlicht: (2024)

Data re-uploading in Quantum Machine Learning for time series: application to traffic forecasting
von: Schetakis, Nikolaos, et al.
Veröffentlicht: (2025)

CTRQNets & LQNets: Continuous Time Recurrent and Liquid Quantum Neural Networks
von: Mayorga, Alejandro Antonio, et al.
Veröffentlicht: (2024)

Efficient Evolutionary Search Over Chemical Space with Large Language Models
von: Wang, Haorui, et al.
Veröffentlicht: (2024)

Neural Architecture Search for Quantum Autoencoders
von: Agha, Hibah, et al.
Veröffentlicht: (2025)

CLANE: Continual Learning of Actions on Neuromorphic Hardware from Event Cameras
von: Hajizada, Elvin, et al.
Veröffentlicht: (2026)

A Truly Sparse and General Implementation of Gradient-Based Synaptic Plasticity
von: Lohoff, Jamie, et al.
Veröffentlicht: (2025)

Understanding Transformer Optimization via Gradient Heterogeneity
von: Tomihari, Akiyoshi, et al.
Veröffentlicht: (2025)

AlphaGrad: Non-Linear Gradient Normalization Optimizer
von: Sane, Soham
Veröffentlicht: (2025)

Large Language Model as Meta-Surrogate for Data-Driven Many-Task Optimization: A Proof-of-Principle Study
von: Zhang, Xian-Rong, et al.
Veröffentlicht: (2025)

A Theory of Relation Learning and Cross-domain Generalization
von: Doumas, Leonidas A. A., et al.
Veröffentlicht: (2019)

REACT: Revealing Evolutionary Action Consequence Trajectories for Interpretable Reinforcement Learning
von: Altmann, Philipp, et al.
Veröffentlicht: (2024)

Mergenetic: a Simple Evolutionary Model Merging Library
von: Minut, Adrian Robert, et al.
Veröffentlicht: (2025)

MERGE$^3$: Efficient Evolutionary Merging on Consumer-grade GPUs
von: Mencattini, Tommaso, et al.
Veröffentlicht: (2025)

Robust Lagrangian and Adversarial Policy Gradient for Robust Constrained Markov Decision Processes
von: Bossens, David M.
Veröffentlicht: (2023)

A Theory of Synaptic Neural Balance: From Local to Global Order
von: Baldi, Pierre, et al.
Veröffentlicht: (2024)

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

Advancing Direct Training for Spiking Neural Networks with Circulate-Firing Neurons and Learnable Gradients
von: Zhou, Feifan, et al.
Veröffentlicht: (2026)

Multi-Timescale Conductance Spiking Networks: A Sparse, Gradient-Trainable Framework with Rich Firing Dynamics for Enhanced Temporal Processing
von: Fulleda-Garcia, Alex, et al.
Veröffentlicht: (2026)

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

Enabling Robust In-Context Memory and Rapid Task Adaptation in Transformers with Hebbian and Gradient-Based Plasticity
von: Chaudhary, Siddharth
Veröffentlicht: (2025)

A Class Inference Scheme With Dempster-Shafer Theory for Learning Fuzzy-Classifier Systems
von: Shiraishi, Hiroki, et al.
Veröffentlicht: (2025)

Universal approximation results for neural networks with non-polynomial activation function over non-compact domains
von: Neufeld, Ariel, et al.
Veröffentlicht: (2024)

Predicting Deterioration in Mild Cognitive Impairment with Survival Transformers, Extreme Gradient Boosting and Cox Proportional Hazard Modelling
von: Musto, Henry, et al.
Veröffentlicht: (2024)

Deep ARTMAP: Generalized Hierarchical Learning with Adaptive Resonance Theory
von: Melton, Niklas M., et al.
Veröffentlicht: (2025)

Sinc Kolmogorov-Arnold network and its application for solving PDEs with singularities
von: Yu, Tianchi, et al.
Veröffentlicht: (2024)

LLM-Augmented Chemical Synthesis and Design Decision Programs
von: Wang, Haorui, et al.
Veröffentlicht: (2025)

Human-level molecular optimization driven by mol-gene evolution
von: Fang, Jiebin, et al.
Veröffentlicht: (2024)

Enhancing Heat Sink Efficiency in MOSFETs using Physics Informed Neural Networks: A Systematic Study on Coolant Velocity Estimation
von: Bora, Aniruddha, et al.
Veröffentlicht: (2026)

Backpropagation through space, time, and the brain
von: Ellenberger, Benjamin, et al.
Veröffentlicht: (2024)

Prospective Compression in Human Abstraction Learning
von: Cano, Leonardo Hernandez, et al.
Veröffentlicht: (2026)

Towards Physical Plausibility in Neuroevolution Systems
von: Cortês, Gabriel, et al.
Veröffentlicht: (2024)

Neuro-Symbolic Activation Discovery: Transferring Mathematical Structures from Physics to Ecology for Parameter-Efficient Neural Networks
von: Hajbi, Anas
Veröffentlicht: (2026)

Bruno: Backpropagation Running Undersampled for Novel device Optimization
von: Fehlings, Luca, et al.
Veröffentlicht: (2025)