Buchumschlag

How Much Data is Enough? The Zeta Law of Discoverability in Biomedical Data, featuring the enigmatic Riemann zeta function

Fuente: arXiv

Gespeichert in:

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

Ähnliche Einträge

How Much is Brain Data Worth for Machine Learning?
von: Lewis, Lane, et al.
Veröffentlicht: (2026)

Data Science In Olfaction
von: Agarwal, Vivek, et al.
Veröffentlicht: (2024)

BRAID: Input-Driven Nonlinear Dynamical Modeling of Neural-Behavioral Data
von: Vahidi, Parsa, et al.
Veröffentlicht: (2025)

Defining and Benchmarking a Data-Centric Design Space for Brain Graph Construction
von: Ge, Qinwen, et al.
Veröffentlicht: (2025)

Functional Classification of Spiking Signal Data Using Artificial Intelligence Techniques: A Review
von: Sharifrazi, Danial, et al.
Veröffentlicht: (2024)

Revealing Neurocognitive and Behavioral Patterns by Unsupervised Manifold Learning from Dynamic Brain Data
von: Zhou, Zixia, et al.
Veröffentlicht: (2025)

A New Strategy for Artificial Intelligence: Training Foundation Models Directly on Human Brain Data
von: Donoso, Maël
Veröffentlicht: (2026)

Most discriminative stimuli for functional cell type clustering
von: Burg, Max F., et al.
Veröffentlicht: (2023)

Brain Networks and Intelligence: A Graph Neural Network Based Approach to Resting State fMRI Data
von: Thapaliya, Bishal, et al.
Veröffentlicht: (2023)

Discretization of continuous input spaces in the hippocampal autoencoder
von: Amil, Adrian F., et al.
Veröffentlicht: (2024)

Early-stage detection of cognitive impairment by hybrid quantum-classical algorithm using resting-state functional MRI time-series
von: Choi, Junggu, et al.
Veröffentlicht: (2024)

On efficient computation in active inference
von: Paul, Aswin, et al.
Veröffentlicht: (2023)

Overcoming classic challenges for artificial neural networks by providing incentives and practice
von: Irie, Kazuki, et al.
Veröffentlicht: (2024)

Dynamical modeling of nonlinear latent factors in multiscale neural activity with real-time inference
von: Erturk, Eray, et al.
Veröffentlicht: (2025)

Artificial intelligence for science: The easy and hard problems
von: Battleday, Ruairidh M., et al.
Veröffentlicht: (2024)

Cross-Modal Representational Knowledge Distillation for Enhanced Spike-Informed LFP Modeling
von: Erturk, Eray, et al.
Veröffentlicht: (2025)

BaRISTA: Brain Scale Informed Spatiotemporal Representation of Human Intracranial Neural Activity
von: Oganesian, Lucine L., et al.
Veröffentlicht: (2025)

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

Sequential memory improves sample and memory efficiency in Episodic Control
von: Freire, Ismael T., et al.
Veröffentlicht: (2021)

JEDI: Jointly Embedded Inference of Neural Dynamics
von: Jamkhandi, Anirudh, et al.
Veröffentlicht: (2026)

Metabolic cost of information processing in Poisson variational autoencoders
von: Vafaii, Hadi, et al.
Veröffentlicht: (2026)

Omni-iEEG: A Large-Scale, Comprehensive iEEG Dataset and Benchmark for Epilepsy Research
von: Duan, Chenda, et al.
Veröffentlicht: (2026)

Leakage and Second-Order Dynamics Improve Hippocampal RNN Replay
von: Casco-Rodriguez, Josue, et al.
Veröffentlicht: (2026)

Credit Assignment via Neural Manifold Noise Correlation
von: Kang, Byungwoo, et al.
Veröffentlicht: (2026)

Systems Explaining Systems: A Framework for Intelligence and Consciousness
von: Semmler, Sean Niklas
Veröffentlicht: (2026)

TAVAE: A VAE with Adaptable Priors Explains Contextual Modulation in the Visual Cortex
von: Meszéna, Balázs, et al.
Veröffentlicht: (2026)

A Systematic Evaluation of Sample-Level Tokenization Strategies for MEG Foundation Models
von: Cho, SungJun, et al.
Veröffentlicht: (2026)

Why the Brain Consolidates: Predictive Forgetting for Optimal Generalisation
von: Fountas, Zafeirios, et al.
Veröffentlicht: (2026)

Support Sufficiency as Consequence-Sensitive Compression in Belief Arbitration
von: Walsh, Mark
Veröffentlicht: (2026)

Brain alignment of reasoning and action representations from vision-language and action models during naturalistic gameplay
von: Oota, Subba Reddy, et al.
Veröffentlicht: (2026)

Cortex-Inspired Continual Learning: Unsupervised Instantiation and Recovery of Functional Task Networks
von: McKee, Kevin, et al.
Veröffentlicht: (2026)

Inhibitory normalization of error signals improves learning in neural circuits
von: Eyono, Roy Henha, et al.
Veröffentlicht: (2026)

Neuro-Symbolic Decoding of Neural Activity
von: Wang, Yanchen, et al.
Veröffentlicht: (2026)

Assembling the Mind's Mosaic: Towards EEG Semantic Intent Decoding
von: Li, Jiahe, et al.
Veröffentlicht: (2026)

Learning Cross-Atlas Consistent Brain Disorder Representations via Disentangled Multi-Atlas Functional Connectivity Learning
von: Chen, Minheng, et al.
Veröffentlicht: (2026)

Learning reveals invisible structure in low-rank RNNs
von: Ger, Yoav, et al.
Veröffentlicht: (2026)

Explore Brain-Inspired Machine Intelligence for Connecting Dots on Graphs Through Holographic Blueprint of Oscillatory Synchronization
von: Dan, Tingting, et al.
Veröffentlicht: (2026)

Discovering Mechanistic Models of Neural Activity: System Identification in an in Silico Zebrafish
von: Lueckmann, Jan-Matthis, et al.
Veröffentlicht: (2026)

REALM: Retrospective Encoder Alignment for LFP Modeling
von: Wu, Peicheng, et al.
Veröffentlicht: (2026)

Multi-dataset Joint Pre-training of Emotional EEG Enables Generalizable Affective Computing
von: Zhang, Qingzhu, et al.
Veröffentlicht: (2025)