Buchumschlag

Reward-Modulated Local Learning in Spiking Encoders: Controlled Benchmarks with STDP and Hybrid Rate Readouts

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Chakraborty, Debjyoti
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Neural and Evolutionary Computing I.2.6; I.2.8
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Combining Trained Models in Reinforcement Learning
von: Patil, Ujjwal, et al.
Veröffentlicht: (2026)

Spiking Neural Network Architecture Search: A Survey
von: Svoboda, Kama, et al.
Veröffentlicht: (2025)

Shapley Value-Guided Adaptive Ensemble Learning for Explainable Financial Fraud Detection with U.S. Regulatory Compliance Validation
von: Uddin, Mohammad Nasir, et al.
Veröffentlicht: (2026)

Evolving Programmatic Skill Networks
von: Shi, Haochen, et al.
Veröffentlicht: (2026)

AI and Machine Learning Approaches for Predicting Nanoparticles Toxicity The Critical Role of Physiochemical Properties
von: Yousaf, Iqra
Veröffentlicht: (2024)

Extending Spike-Timing Dependent Plasticity to Learning Synaptic Delays
von: Dominijanni, Marissa, et al.
Veröffentlicht: (2025)

IP$^{2}$-RSNN: Bi-level Intrinsic Plasticity Enables Learning-to-learn in Recurrent Spiking Neural Networks
von: Yu, Yingchao, et al.
Veröffentlicht: (2025)

Mining Potentially Explanatory Patterns via Partial Solutions
von: Catalano, GianCarlo, et al.
Veröffentlicht: (2024)

Multi-Marginal Stochastic Flow Matching for High-Dimensional Snapshot Data at Irregular Time Points
von: Lee, Justin, et al.
Veröffentlicht: (2025)

Scalable Nested Optimization for Deep Learning
von: Lorraine, Jonathan
Veröffentlicht: (2024)

From Cumulative Constraints to Adaptive Runtime Safety Control for Nonstationary Reinforcement Learning
von: Tomashevskiy, Timofey
Veröffentlicht: (2026)

Evolving Deep Learning Optimizers
von: Marfinetz, Mitchell
Veröffentlicht: (2025)

CoupleEvo: Evolving Heuristics for Coupled Optimization Problems Using Large Language Models
von: Bömer, Thomas, et al.
Veröffentlicht: (2026)

Contrastive Representation Learning for Dynamic Link Prediction in Temporal Networks
von: Nouranizadeh, Amirhossein, et al.
Veröffentlicht: (2024)

Neural Attention: A Novel Mechanism for Enhanced Expressive Power in Transformer Models
von: DiGiugno, Andrew, et al.
Veröffentlicht: (2025)

Associative Constructive Evolution: Enhancing Metaheuristics through Hebbian-Learned Generative Guidance
von: Lin, Shanxian, et al.
Veröffentlicht: (2026)

Resource-constrained Amazons chess decision framework integrating large language models and graph attention
von: Qian, Tianhao, et al.
Veröffentlicht: (2026)

Multi-objective Binary Coordinate Search for Feature Selection
von: Miyandoab, Sevil Zanjani, et al.
Veröffentlicht: (2024)

Batchless Normalization: How to Normalize Activations Across Instances with Minimal Memory Requirements
von: Berger, Benjamin, et al.
Veröffentlicht: (2022)

Evaluating Brain-Inspired Modular Training in Automated Circuit Discovery for Mechanistic Interpretability
von: Nainani, Jatin
Veröffentlicht: (2024)

Towards Scaling Deep Neural Networks with Predictive Coding: Theory and Practice
von: Innocenti, Francesco
Veröffentlicht: (2025)

Compact NSGA-II for Multi-objective Feature Selection
von: Miyandoab, Sevil Zanjani, et al.
Veröffentlicht: (2024)

Increasing biases can be more efficient than increasing weights
von: Metta, Carlo, et al.
Veröffentlicht: (2023)

GAAPO: Genetic Algorithmic Applied to Prompt Optimization
von: Sécheresse, Xavier, et al.
Veröffentlicht: (2025)

Introducing Echo Networks for Computational Neuroevolution
von: Kroos, Christian, et al.
Veröffentlicht: (2026)

Fractional Policy Gradients: Reinforcement Learning with Long-Term Memory
von: Pawar, Urvi, et al.
Veröffentlicht: (2025)

Zero-Shot Context Generalization in Reinforcement Learning from Few Training Contexts
von: Chapman, James, et al.
Veröffentlicht: (2025)

FlowRL: Flow-Augmented Few-Shot Reinforcement Learning for Semi-Structured Sensor Data
von: Pivezhandi, Mohammad, et al.
Veröffentlicht: (2024)

Adaptive Surrogate-Based Strategy for Accelerating Convergence Speed when Solving Expensive Unconstrained Multi-Objective Optimisation Problems
von: Banda, Tiwonge Msulira, et al.
Veröffentlicht: (2026)

Controlling Recurrent Neural Networks by Conceptors
von: Jaeger, Herbert
Veröffentlicht: (2014)

Predicting and improving test-time scaling laws via reward tail-guided search
von: Li, Muheng, et al.
Veröffentlicht: (2026)

On the Generalization Gap in LLM Planning: Tests and Verifier-Reward RL
von: Belcamino, Valerio, et al.
Veröffentlicht: (2026)

Joint Combinatorial Node Selection and Resource Allocations in the Lightning Network using Attention-based Reinforcement Learning
von: Salahshour, Mahdi, et al.
Veröffentlicht: (2024)

Collapse or Preserve: Data-Dependent Temporal Aggregation for Spiking Neural Network Acceleration
von: Qin, Jiahao
Veröffentlicht: (2026)

Theoretical Analysis of the Advantage of Deepening Neural Networks
von: Esaki, Yasushi, et al.
Veröffentlicht: (2020)

GIRL: Generative Imagination Reinforcement Learning via Information-Theoretic Hallucination Control
von: Hiremath, Prakul Sunil
Veröffentlicht: (2026)

Breaching the Bottleneck: Evolutionary Transition from Reward-Driven Learning to Reward-Agnostic Domain-Adapted Learning in Neuromodulated Neural Nets
von: Arnold, Solvi, et al.
Veröffentlicht: (2024)

The Paradox of Success in Evolutionary and Bioinspired Optimization: Revisiting Critical Issues, Key Studies, and Methodological Pathways
von: Molina, Daniel, et al.
Veröffentlicht: (2025)

Game-Theoretic Gradient Control for Robust Neural Network Training
von: Zaitseva, Maria, et al.
Veröffentlicht: (2025)

Hybrid-AIRL: Enhancing Inverse Reinforcement Learning with Supervised Expert Guidance
von: Silue, Bram, et al.
Veröffentlicht: (2025)