Buchumschlag

Topological Sensitivity in Connectome-Constrained Neural Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Dhiman, Nalin
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Neurons and Cognition Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Hierarchical Multiscale Structure-Function Coupling for Brain Connectome Integration
von: Chen, Jianwei, et al.
Veröffentlicht: (2026)

ASD Classification on Dynamic Brain Connectome using Temporal Random Walk with Transformer-based Dynamic Network Embedding
von: Piriyasatit, Suchanuch, et al.
Veröffentlicht: (2025)

Discovering Dynamic Effective Connectome of Brain with Bayesian Dynamic DAG Learning
von: Bagheri, Abdolmahdi, et al.
Veröffentlicht: (2023)

Learning Glioblastoma Tumor Heterogeneity Using Brain Inspired Topological Neural Networks
von: Paul, Ankita, et al.
Veröffentlicht: (2026)

Deconvolving Complex Neuronal Networks into Interpretable Task-Specific Connectomes
von: Wang, Yifan, et al.
Veröffentlicht: (2024)

Characterizing Continuous and Discrete Hybrid Latent Spaces for Structural Connectomes
von: Rudravaram, Gaurav, et al.
Veröffentlicht: (2025)

NeuroGraph: Benchmarks for Graph Machine Learning in Brain Connectomics
von: Said, Anwar, et al.
Veröffentlicht: (2023)

Topological Cycle Graph Attention Network for Brain Functional Connectivity
von: Huang, Jinghan, et al.
Veröffentlicht: (2024)

The Topology and Geometry of Neural Representations
von: Lin, Baihan, et al.
Veröffentlicht: (2023)

Causal Interpretation of Neural Network Computations with Contribution Decomposition
von: Melander, Joshua Brendan, et al.
Veröffentlicht: (2026)

Training Large Neural Networks With Low-Dimensional Error Feedback
von: Hanut, Maher, et al.
Veröffentlicht: (2025)

Lattice-Based Pruning in Recurrent Neural Networks via Poset Modeling
von: Sengupta, Rakesh
Veröffentlicht: (2025)

Algorithm Development in Neural Networks: Insights from the Streaming Parity Task
von: van Rossem, Loek, et al.
Veröffentlicht: (2025)

CI-GNN: A Granger Causality-Inspired Graph Neural Network for Interpretable Brain Network-Based Psychiatric Diagnosis
von: Zheng, Kaizhong, et al.
Veröffentlicht: (2023)

HetSyn: Versatile Timescale Integration in Spiking Neural Networks via Heterogeneous Synapses
von: Deng, Zhichao, et al.
Veröffentlicht: (2025)

Efficient Logit-based Knowledge Distillation of Deep Spiking Neural Networks for Full-Range Timestep Deployment
von: Yu, Chengting, et al.
Veröffentlicht: (2025)

Learnable Community-Aware Transformer for Brain Connectome Analysis with Token Clustering
von: Yang, Yanting, et al.
Veröffentlicht: (2024)

Integrated Brain Connectivity Analysis with fMRI, DTI, and sMRI Powered by Interpretable Graph Neural Networks
von: Qu, Gang, et al.
Veröffentlicht: (2024)

ConnectomeBench: Can LLMs Proofread the Connectome?
von: Brown, Jeff, et al.
Veröffentlicht: (2025)

Memory-Amortized Inference: A Topological Unification of Search, Closure, and Structure
von: Li, Xin
Veröffentlicht: (2025)

Latent Diffusion for Neural Spiking Data
von: Kapoor, Jaivardhan, et al.
Veröffentlicht: (2024)

Langevin Flows for Modeling Neural Latent Dynamics
von: Song, Yue, et al.
Veröffentlicht: (2025)

Neural timescales from a computational perspective
von: Zeraati, Roxana, et al.
Veröffentlicht: (2024)

POCO: Scalable Neural Forecasting through Population Conditioning
von: Duan, Yu, et al.
Veröffentlicht: (2025)

Estimating Dimensionality of Neural Representations from Finite Samples
von: Chun, Chanwoo, et al.
Veröffentlicht: (2025)

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

Neural-Behavioral Representation of Natural Whole-body Movement in Monkeys
von: He, Jieshi, et al.
Veröffentlicht: (2026)

Identifying Connectivity Distributions from Neural Dynamics Using Flows
von: Kim, Timothy Doyeon, et al.
Veröffentlicht: (2026)

Probabilistic Prediction of Neural Dynamics via Autoregressive Flow Matching
von: Rogalla, Nicole, et al.
Veröffentlicht: (2026)

Benchmarking Probabilistic Time Series Forecasting Models on Neural Activity
von: Lu, Ziyu, et al.
Veröffentlicht: (2025)

Population Transformer: Learning Population-level Representations of Neural Activity
von: Chau, Geeling, et al.
Veröffentlicht: (2024)

NeuroBind: Towards Unified Multimodal Representations for Neural Signals
von: Yang, Fengyu, et al.
Veröffentlicht: (2024)

NeuralBench: A Unifying Framework to Benchmark NeuroAI Models
von: Banville, Hubert, et al.
Veröffentlicht: (2026)

Neurally-plausible radial basis kernels using distributed Fourier embeddings
von: Chouinard, Jakeb
Veröffentlicht: (2026)

Meta-Dynamical State Space Models for Integrative Neural Data Analysis
von: Vermani, Ayesha, et al.
Veröffentlicht: (2024)

BACE: Behavior-Adaptive Connectivity Estimation for Interpretable Graphs of Neural Dynamics
von: Asadi, Mehrnaz, et al.
Veröffentlicht: (2025)

Estimating Neural Representation Alignment from Sparsely Sampled Inputs and Features
von: Chun, Chanwoo, et al.
Veröffentlicht: (2025)

Generative Modeling of Neural Dynamics via Latent Stochastic Differential Equations
von: ElGazzar, Ahmed, et al.
Veröffentlicht: (2024)

Multi-modal Gaussian Process Variational Autoencoders for Neural and Behavioral Data
von: Gondur, Rabia, et al.
Veröffentlicht: (2023)

Diffusion-Based Generation of Neural Activity from Disentangled Latent Codes
von: McCart, Jonathan D., et al.
Veröffentlicht: (2024)