Buchumschlag

Machine Learning for Complex Systems Dynamics: Detecting Bifurcations in Dynamical Systems with Deep Neural Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Pal, Swadesh, Melnik, Roderick
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Dynamical Systems Neurons and Cognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Complex non-Markovian dynamics and the dual role of astrocytes in Alzheimer's disease development and propagation
von: Pal, Swadesh, et al.
Veröffentlicht: (2022)

Adaptive modelling of anti-tau treatments for neurodegenerative disorders based on the Bayesian approach with physics-informed neural networks
von: Pal, Swadesh, et al.
Veröffentlicht: (2025)

Bayesian Approaches for Revealing Complex Neural Network Dynamics in Parkinson's Disease
von: Shaheen, Hina, et al.
Veröffentlicht: (2024)

State-Space NTK Collapse Near Bifurcations
von: Hazelden, James, et al.
Veröffentlicht: (2026)

Approximate Macroscopic Dynamics of Spiking Neural Networks Based on Solutions to the Transport Equation
von: Nicola, Wilten, et al.
Veröffentlicht: (2026)

Brain Network Dynamics and Multiscale Modelling of Neurodegenerative Disorders: A Review
von: Shaheen, Hina, et al.
Veröffentlicht: (2024)

Is All Learning (Natural) Gradient Descent?
von: Shoji, Lucas, et al.
Veröffentlicht: (2024)

KPFlow: An Operator Perspective on Dynamic Collapse Under Gradient Descent Training of Recurrent Networks
von: Hazelden, James, et al.
Veröffentlicht: (2025)

Fast reconstruction of degenerate populations of conductance-based neuron models from spike times
von: Brandoit, Julien, et al.
Veröffentlicht: (2025)

Chaotic Dynamics and Fractal Geometry in Ring Lattice Systems of Nonchaotic Rulkov Neurons
von: Le, Brandon B.
Veröffentlicht: (2024)

Dynamical Learning in Deep Asymmetric Recurrent Neural Networks
von: Badalotti, Davide, et al.
Veröffentlicht: (2025)

Scientific Machine Learning of Chaotic Systems Discovers Governing Equations for Neural Populations
von: Chesebro, Anthony G., et al.
Veröffentlicht: (2025)

Data-Driven Reduced Modeling of Recurrent Neural Networks
von: Marraffa, Alice, et al.
Veröffentlicht: (2025)

Learning Mixtures of Linear Dynamical Systems via Hybrid Tensor-EM Method
von: Gong, Lulu, et al.
Veröffentlicht: (2025)

Energy-Based Dynamical Models for Neurocomputation, Learning, and Optimization
von: Montanari, Arthur N., et al.
Veröffentlicht: (2026)

Dynamically Learning to Integrate in Recurrent Neural Networks
von: Bordelon, Blake, et al.
Veröffentlicht: (2025)

Modeling Latent Neural Dynamics with Gaussian Process Switching Linear Dynamical Systems
von: Hu, Amber, et al.
Veröffentlicht: (2024)

Dynamical properties and mechanisms of metastability: a perspective in neuroscience
von: Rossi, Kalel L., et al.
Veröffentlicht: (2023)

Modeling Neural Activity with Conditionally Linear Dynamical Systems
von: Geadah, Victor, et al.
Veröffentlicht: (2025)

Input Driven Synchronization of Chaotic Neural Networks with Analyticaly Determined Conditional Lyapunov Exponents
von: Culp, Jordan, et al.
Veröffentlicht: (2024)

Neural Fields and Noise-Induced Patterns in Neurons on Large Disordered Networks
von: Avitabile, Daniele, et al.
Veröffentlicht: (2024)

Neuronal Temporal Filters as Normal Mode Extractors
von: Golkar, Siavash, et al.
Veröffentlicht: (2024)

Unconditional stability of a recurrent neural circuit implementing divisive normalization
von: Rawat, Shivang, et al.
Veröffentlicht: (2024)

RNNs perform task computations by dynamically warping neural representations
von: Pellegrino, Arthur, et al.
Veröffentlicht: (2025)

Interpretable statistical representations of neural population dynamics and geometry
von: Gosztolai, Adam, et al.
Veröffentlicht: (2023)

Characterizing control between interacting subsystems with deep Jacobian estimation
von: Eisen, Adam J., et al.
Veröffentlicht: (2025)

Exploring Geometrical Properties of Chaotic Systems Through an Analysis of the Rulkov Neuron Maps
von: Le, Brandon B., et al.
Veröffentlicht: (2024)

Analysis of Activity Dependent Development of Topographic Maps in Neural Field Theory with Short Time Scale Dependent Plasticity
von: Gale, Nicholas, et al.
Veröffentlicht: (2021)

Spike-timing-dependent plasticity and random inputs shape interspike interval regularity of model STN neurons
von: Thieu, Thoa, et al.
Veröffentlicht: (2024)

Can multivariate Granger causality detect directed connectivity of a multistable and dynamic biological decision network model?
von: Asadpour, Abdoreza, et al.
Veröffentlicht: (2024)

Timescale Limits of Linear-Threshold Networks
von: Retnaraj, William, et al.
Veröffentlicht: (2026)

Neuromodulation supports robust rhythmic pattern transitions in degenerate central pattern generators with fixed connectivity
von: Fyon, Arthur, et al.
Veröffentlicht: (2026)

Modeling sequential cognitive states via population level cortical dynamics
von: Bolelli, M Virginia, et al.
Veröffentlicht: (2026)

The Coupling Strength Is a Scale Parameter in Threshold Power-Law Reservoirs and Does Not Influence Training Accuracy
von: Nicola, Wilten
Veröffentlicht: (2025)

Simulations Approaching Data: Cortical Slow Waves in Inferred Models of the Whole Hemisphere of Mouse
von: Capone, Cristiano, et al.
Veröffentlicht: (2021)

Multi-stable oscillations in cortical networks with two classes of inhibition
von: Sarkar, Arnab Dey, et al.
Veröffentlicht: (2025)

Observing hidden neuronal states in experiments
von: Amakhin, Dmitry, et al.
Veröffentlicht: (2023)

Activity-dependent neuromodulation and calcium homeostasis cooperate to produce robust and modulable neuronal function
von: Fyon, Arthur, et al.
Veröffentlicht: (2024)

Oscillations in neuronal activity: a neuron-centered spatiotemporal model of the Unfolded Protein Response in prion diseases
von: Miller, Elliot M., et al.
Veröffentlicht: (2024)

Minimizing information loss reduces spiking neuronal networks to differential equations
von: Chang, Jie, et al.
Veröffentlicht: (2024)