Buchumschlag

Fast and Interpretable Autoregressive Estimation with Neural Network Backpropagation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lucena, Anaísa, Martins, Ana, Pinho, Armando J., Gouveia, Sónia
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Revisiting OmniAnomaly for Anomaly Detection: performance metrics and comparison with PCA-based models
von: Alves, Bruna, et al.
Veröffentlicht: (2026)

A two-step sequential approach for hyperparameter selection in finite context models
von: Contente, José, et al.
Veröffentlicht: (2026)

Unified Taxonomy for Multivariate Time Series Anomaly Detection using Deep Learning
von: Alves, Bruna, et al.
Veröffentlicht: (2026)

Backpropagation Neural Tree
von: Ojha, Varun, et al.
Veröffentlicht: (2022)

Dynamic Spectral Backpropagation for Efficient Neural Network Training
von: Muthuraman, Mannmohan
Veröffentlicht: (2025)

Towards Scalable Backpropagation-Free Gradient Estimation
von: Wang, Daniel, et al.
Veröffentlicht: (2025)

Time Series Compression using Quaternion Valued Neural Networks and Quaternion Backpropagation
von: Pöppelbaum, Johannes, et al.
Veröffentlicht: (2024)

Comprehensive Survey of Complex-Valued Neural Networks: Insights into Backpropagation and Activation Functions
von: Hammad, M. M.
Veröffentlicht: (2024)

Escaping Spectral Bias without Backpropagation: Fast Implicit Neural Representations with Extreme Learning Machines
von: Cho, Woojin, et al.
Veröffentlicht: (2026)

Rethinking Deep Learning: Propagating Information in Neural Networks without Backpropagation and Statistical Optimization
von: Itoh, Kei
Veröffentlicht: (2024)

Backpropagation on Dynamical Networks
von: Tan, Eugene, et al.
Veröffentlicht: (2022)

Grad-Instructor: Universal Backpropagation with Explainable Evaluation Neural Networks for Meta-learning and AutoML
von: Ino, Ryohei
Veröffentlicht: (2024)

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

Instruction-Guided Autoregressive Neural Network Parameter Generation
von: Bedionita, Soro, et al.
Veröffentlicht: (2025)

The Cost of Avoiding Backpropagation
von: Panchal, Kunjal, et al.
Veröffentlicht: (2025)

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

Optimal Control Theoretic Neural Optimizer: From Backpropagation to Dynamic Programming
von: Liu, Guan-Horng, et al.
Veröffentlicht: (2025)

Stabilizing Backpropagation in 16-bit Neural Training with Modified Adam Optimizer
von: Yun, Juyoung
Veröffentlicht: (2023)

Perforated Backpropagation: A Neuroscience Inspired Extension to Artificial Neural Networks
von: Brenner, Rorry, et al.
Veröffentlicht: (2025)

How Interpretable Are Interpretable Graph Neural Networks?
von: Chen, Yongqiang, et al.
Veröffentlicht: (2024)

Advancing Training Efficiency of Deep Spiking Neural Networks through Rate-based Backpropagation
von: Yu, Chengting, et al.
Veröffentlicht: (2024)

Advancing On-Device Neural Network Training with TinyPropv2: Dynamic, Sparse, and Efficient Backpropagation
von: Rüb, Marcus, et al.
Veröffentlicht: (2024)

Efficient Training of Neural Fractional-Order Differential Equation via Adjoint Backpropagation
von: Kang, Qiyu, et al.
Veröffentlicht: (2025)

Training Implicit Networks for Image Deblurring using Jacobian-Free Backpropagation
von: Liu, Linghai, et al.
Veröffentlicht: (2024)

HKAN: Hierarchical Kolmogorov-Arnold Network without Backpropagation
von: Dudek, Grzegorz, et al.
Veröffentlicht: (2025)

Beyond Backpropagation: Exploring Innovative Algorithms for Energy-Efficient Deep Neural Network Training
von: Spyra, Przemysław
Veröffentlicht: (2025)

Agentic Neural Networks: Self-Evolving Multi-Agent Systems via Textual Backpropagation
von: Ma, Xiaowen, et al.
Veröffentlicht: (2025)

HLQ: Fast and Efficient Backpropagation via Hadamard Low-rank Quantization
von: Kim, Seonggon, et al.
Veröffentlicht: (2024)

Timing-Based Backpropagation in Spiking Neural Networks Without Single-Spike Restrictions
von: Yamamoto, Kakei, et al.
Veröffentlicht: (2022)

BARNN: A Bayesian Autoregressive and Recurrent Neural Network
von: Coscia, Dario, et al.
Veröffentlicht: (2025)

Transformer Neural Autoregressive Flows
von: Patacchiola, Massimiliano, et al.
Veröffentlicht: (2024)

Practical Boolean Backpropagation
von: Golbert, Simon
Veröffentlicht: (2025)

Efficient Deep Learning with Decorrelated Backpropagation
von: Dalm, Sander, et al.
Veröffentlicht: (2024)

HAINAN: Fast and Accurate Transducer for Hybrid-Autoregressive ASR
von: Xu, Hainan, et al.
Veröffentlicht: (2024)

Empirical Results for Adjusting Truncated Backpropagation Through Time while Training Neural Audio Effects
von: Bourdin, Yann, et al.
Veröffentlicht: (2025)

Interpretable Time Series Autoregression for Periodicity Quantification
von: Chen, Xinyu, et al.
Veröffentlicht: (2025)

FastLRNR and Sparse Physics Informed Backpropagation
von: Cho, Woojin, et al.
Veröffentlicht: (2024)

On the Interpretability of Quantum Neural Networks
von: Pira, Lirandë, et al.
Veröffentlicht: (2023)

Interpreting Deep Neural Networks with the Package innsight
von: Koenen, Niklas, et al.
Veröffentlicht: (2023)

CONFINE: Conformal Prediction for Interpretable Neural Networks
von: Huang, Linhui, et al.
Veröffentlicht: (2024)