Buchumschlag

A Federated Many-to-One Hopfield model for associative Neural Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Alessandrelli, Andrea, Durante, Fabrizio, Ladiana, Andrea, Lepre, Andrea
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Disordered Systems and Neural Networks Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Supervised and Unsupervised protocols for hetero-associative neural networks
von: Alessandrelli, Andrea, et al.
Veröffentlicht: (2025)

Beyond Disorder: Unveiling Cooperativeness in Multidirectional Associative Memories
von: Alessandrelli, Andrea, et al.
Veröffentlicht: (2025)

Finite-size scaling of hetero-associative retrieval in continuous-signal-driven Ising spin systems
von: Ladiana, Andrea
Veröffentlicht: (2026)

Do Hopfield Networks Dream of Stored Patterns? A Statistical-Mechanical Theory of Dreaming in Multidirectional Associative Memories
von: Barra, Adriano, et al.
Veröffentlicht: (2026)

Yet another exponential Hopfield model
von: Albanese, Linda, et al.
Veröffentlicht: (2025)

Parallel Learning by Multitasking Neural Networks
von: Agliari, Elena, et al.
Veröffentlicht: (2023)

Boolean SK Model
von: Albanese, Linda, et al.
Veröffentlicht: (2024)

Dense Associative Memory with biased patterns: a Replica Symmetric analysis
von: Albanese, Linda, et al.
Veröffentlicht: (2026)

Partial annealing and pattern decorrelation in associative neural networks
von: Albanese, Linda, et al.
Veröffentlicht: (2026)

Prototype Analysis in Hopfield Networks with Hebbian Learning
von: McAlister, Hayden, et al.
Veröffentlicht: (2024)

Generalized hetero-associative neural networks
von: Agliari, Elena, et al.
Veröffentlicht: (2024)

Dynamical Decoupling of Generalization and Overfitting in Large Two-Layer Networks
von: Montanari, Andrea, et al.
Veröffentlicht: (2025)

Hebbian Learning from First Principles
von: Albanese, Linda, et al.
Veröffentlicht: (2024)

The Rules-and-Facts Model for Simultaneous Generalization and Memorization in Neural Networks
von: Farné, Gabriele, et al.
Veröffentlicht: (2026)

Random Features Hopfield Networks generalize retrieval to previously unseen examples
von: Kalaj, Silvio, et al.
Veröffentlicht: (2024)

Multi-channel pattern reconstruction through $L$-directional associative memories
von: Agliari, Elena, et al.
Veröffentlicht: (2025)

Dense Hopfield Networks in the Teacher-Student Setting
von: Thériault, Robin, et al.
Veröffentlicht: (2024)

Regularization, early-stopping and dreaming: a Hopfield-like setup to address generalization and overfitting
von: Agliari, Elena, et al.
Veröffentlicht: (2023)

Capacity of the Hebbian-Hopfield network associative memory
von: Stojnic, Mihailo
Veröffentlicht: (2024)

Graph Neural Network Approach to Predicting Magnetization in Quasi-One-Dimensional Ising Systems
von: Slavin, V., et al.
Veröffentlicht: (2025)

The Training Process of Many Deep Networks Explores the Same Low-Dimensional Manifold
von: Mao, Jialin, et al.
Veröffentlicht: (2023)

Hopfield model with planted patterns: a teacher-student self-supervised learning model
von: Alemanno, Francesco, et al.
Veröffentlicht: (2023)

Amorphous Solid Model of Vectorial Hopfield Neural Networks
von: Gallavotti, F., et al.
Veröffentlicht: (2025)

Inferring Concepts from Noisy Examples in Hopfield-like Neural Networks
von: Benedetti, Marco, et al.
Veröffentlicht: (2026)

Formation of Representations in Neural Networks
von: Ziyin, Liu, et al.
Veröffentlicht: (2024)

Graph Neural Networks Do Not Always Oversmooth
von: Epping, Bastian, et al.
Veröffentlicht: (2024)

A Random-Matrix Criterion for Initializing Gated Recurrent Neural Networks
von: Fioratti, Tommaso, et al.
Veröffentlicht: (2026)

Serial vs parallel recall in the Blume-Every-Griffiths neural networks
von: Albanese, Linda, et al.
Veröffentlicht: (2026)

Demolition and Reinforcement of Memories in Spin-Glass-like Neural Networks
von: Ventura, Enrico
Veröffentlicht: (2024)

Growing Neural Networks: Dynamic Evolution through Gradient Descent
von: Radhakrishnan, Anil, et al.
Veröffentlicht: (2025)

Dynamical Mean-Field Theory of Self-Attention Neural Networks
von: Poc-López, Ángel, et al.
Veröffentlicht: (2024)

Hopfield model with quasi-diagonal connection matrix
von: Litinskii, Leonid
Veröffentlicht: (2025)

Analog Physical Systems Can Exhibit Double Descent
von: Dillavou, Sam, et al.
Veröffentlicht: (2025)

Benchmarking Graph Neural Networks in Solving Hard Constraint Satisfaction Problems
von: Skenderi, Geri, et al.
Veröffentlicht: (2026)

Controlled Langevin Dynamics for Sampling of Feedforward Neural Networks Trained with Minibatches
von: Zambon, Alessandro, et al.
Veröffentlicht: (2026)

Daydreaming Hopfield Networks and their surprising effectiveness on correlated data
von: Serricchio, Ludovica, et al.
Veröffentlicht: (2024)

Kernel Renormalization in Bayesian Deep Neural Networks: the Equivalent Wishart Ansatz in the Proportional Regime
von: Baglioni, Paolo, et al.
Veröffentlicht: (2026)

Siamese Neural Network for Label-Efficient Critical Phenomena Prediction in 3D Percolation Models
von: Wang, Shanshan, et al.
Veröffentlicht: (2025)

Statistical Physics of Deep Neural Networks: Generalization Capability, Beyond the Infinite Width, and Feature Learning
von: Ariosto, Sebastiano
Veröffentlicht: (2025)

A Boundary-Layer Mechanism for One-Third Scaling in Online Softmax Classification
von: Kühn, Marcel, et al.
Veröffentlicht: (2026)