Buchumschlag

Statistical Properties of the King Wen Sequence: An Anti-Habituation Structure That Does Not Improve Neural Network Training

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Chan, Augustin
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Artificial Intelligence Neural and Evolutionary Computing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Training Neural Networks with Optimal Double-Bayesian Learning
von: Bui, Vy, et al.
Veröffentlicht: (2026)

Recurrent Neural Networks Learn to Store and Generate Sequences using Non-Linear Representations
von: Csordás, Róbert, et al.
Veröffentlicht: (2024)

Structure of Artificial Neural Networks -- Empirical Investigations
von: Stier, Julian
Veröffentlicht: (2024)

Globally Optimal Training of Spiking Neural Networks via Parameter Reconstruction
von: Udupi, Himanshu, et al.
Veröffentlicht: (2026)

A Scalable Hybrid Training Approach for Recurrent Spiking Neural Networks
von: Baronig, Maximilian, et al.
Veröffentlicht: (2025)

Online Pseudo-Zeroth-Order Training of Neuromorphic Spiking Neural Networks
von: Xiao, Mingqing, et al.
Veröffentlicht: (2024)

A Neural Network Training Method Based on Distributed PID Control
von: Kun, Jiang
Veröffentlicht: (2024)

Training Spiking Neural Networks via Augmented Direct Feedback Alignment
von: Zhang, Yongbo, et al.
Veröffentlicht: (2024)

Direct Training Needs Regularisation: Anytime Optimal Inference Spiking Neural Network
von: Wu, Dengyu, et al.
Veröffentlicht: (2024)

Gradient-Free Training of Spiking Neural Networks via Low-Rank Evolution Strategies
von: Patankar, Dhruv, et al.
Veröffentlicht: (2026)

Advancing Direct Training for Spiking Neural Networks with Circulate-Firing Neurons and Learnable Gradients
von: Zhou, Feifan, et al.
Veröffentlicht: (2026)

MeGA: Merging Multiple Independently Trained Neural Networks Based on Genetic Algorithm
von: Yun, Daniel
Veröffentlicht: (2024)

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

Structurally Flexible Neural Networks: Evolving the Building Blocks for General Agents
von: Pedersen, Joachim Winther, et al.
Veröffentlicht: (2024)

Improved Forecasting Using a PSO-RDV Framework to Enhance Artificial Neural Network
von: Aribe Jr, Sales
Veröffentlicht: (2024)

Learning Sequence Attractors in Recurrent Networks with Hidden Neurons
von: Lu, Yao, et al.
Veröffentlicht: (2024)

SPEAR: Structured Pruning for Spiking Neural Networks via Synaptic Operation Estimation and Reinforcement Learning
von: Xie, Hui, et al.
Veröffentlicht: (2025)

SpiKernel: A Kernel Size Exploration Methodology for Improving Accuracy of the Embedded Spiking Neural Network Systems
von: Putra, Rachmad Vidya Wicaksana, et al.
Veröffentlicht: (2024)

Perception-Informed Neural Networks: Beyond Physics-Informed Neural Networks
von: Mazandarani, Mehran, et al.
Veröffentlicht: (2025)

On the Markov Property of Neural Algorithmic Reasoning: Analyses and Methods
von: Bohde, Montgomery, et al.
Veröffentlicht: (2024)

Neuro-Symbolic Activation Discovery: Transferring Mathematical Structures from Physics to Ecology for Parameter-Efficient Neural Networks
von: Hajbi, Anas
Veröffentlicht: (2026)

The Alpha-Alternator: Dynamic Adaptation To Varying Noise Levels In Sequences Using The Vendi Score For Improved Robustness and Performance
von: Rezaei, Mohammad Reza, et al.
Veröffentlicht: (2025)

Restricted Bayesian Neural Network
von: Ganguly, Sourav, et al.
Veröffentlicht: (2024)

Polysemanticity and Capacity in Neural Networks
von: Scherlis, Adam, et al.
Veröffentlicht: (2022)

Deep Oscillatory Neural Network
von: Rohan, Nurani Rajagopal, et al.
Veröffentlicht: (2024)

Time Elastic Neural Networks
von: Marteau, Pierre-François
Veröffentlicht: (2024)

When Does Structure Matter in Continual Learning? Dimensionality Controls When Modularity Shapes Representational Geometry
von: Korte, Kathrin, et al.
Veröffentlicht: (2026)

Sheaf Neural Networks and biomedical applications
von: Mehrab, Aneeqa, et al.
Veröffentlicht: (2026)

Spark: Modular Spiking Neural Networks
von: Franco, Mario, et al.
Veröffentlicht: (2026)

Continuous Spiking Graph Neural Networks
von: Yin, Nan, et al.
Veröffentlicht: (2024)

Structure as Computation: Developmental Generation of Minimal Neural Circuits
von: Zhou, Duan
Veröffentlicht: (2026)

Sensitivity-Aware Mixed-Precision Quantization and Width Optimization of Deep Neural Networks Through Cluster-Based Tree-Structured Parzen Estimation
von: Azizi, Seyedarmin, et al.
Veröffentlicht: (2023)

Half-Space Feature Learning in Neural Networks
von: Yadav, Mahesh Lorik, et al.
Veröffentlicht: (2024)

Mechanistic Neural Networks for Scientific Machine Learning
von: Pervez, Adeel, et al.
Veröffentlicht: (2024)

Invariant Representations with Stochastically Quantized Neural Networks
von: Cerrato, Mattia, et al.
Veröffentlicht: (2022)

Machine Unlearning using Forgetting Neural Networks
von: Hatua, Amartya, et al.
Veröffentlicht: (2024)

Geometry-Aware Spiking Graph Neural Network
von: Zhang, Bowen, et al.
Veröffentlicht: (2025)

Dynamic Spiking Framework for Graph Neural Networks
von: Yin, Nan, et al.
Veröffentlicht: (2023)

The Enduring Dominance of Deep Neural Networks: A Critical Analysis of the Fundamental Limitations of Quantum Machine Learning and Spiking Neural Networks
von: Ishikawa, Takehiro
Veröffentlicht: (2025)

LLS: Local Learning Rule for Deep Neural Networks Inspired by Neural Activity Synchronization
von: Apolinario, Marco Paul E., et al.
Veröffentlicht: (2024)