Buchumschlag

Unifying Dynamical Systems and Graph Theory to Mechanistically Understand Computation in Neural Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Sharma, Jatin, Goodman, Dan F. M, Akarca, Danyal
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Neural and Evolutionary Computing Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Beyond Rate Coding: Surrogate Gradients Enable Spike Timing Learning in Spiking Neural Networks
von: Yu, Ziqiao, et al.
Veröffentlicht: (2025)

Exploiting heterogeneous delays for efficient computation in low-bit neural networks
von: Sun, Pengfei, et al.
Veröffentlicht: (2025)

Algorithm-hardware co-design of neuromorphic networks with dual memory pathways
von: Sun, Pengfei, et al.
Veröffentlicht: (2025)

The Principle of Maximum Heterogeneity Optimises Productivity in Distributed Production Systems Across Biology, Economics, and Computing
von: Artis, Guillhem, et al.
Veröffentlicht: (2026)

Space as Time Through Neuron Position Learning
von: Mészáros, Balázs, et al.
Veröffentlicht: (2025)

A Scale-Invariant Diagnostic Approach Towards Understanding Dynamics of Deep Neural Networks
von: Moharil, Ambarish, et al.
Veröffentlicht: (2024)

Dynamics of specialization in neural modules under resource constraints
von: Béna, Gabriel, et al.
Veröffentlicht: (2021)

Web Neural Network with Complete DiGraphs
von: Li, Frank
Veröffentlicht: (2024)

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

Spiking Neural Networks: The Future of Brain-Inspired Computing
von: Aribe Jr, Sales G.
Veröffentlicht: (2025)

CogniSNN: Enabling Neuron-Expandability, Pathway-Reusability, and Dynamic-Configurability with Random Graph Architectures in Spiking Neural Networks
von: Huang, Yongsheng, et al.
Veröffentlicht: (2025)

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

Dynamics of Structured Complex-Valued Hopfield Neural Networks
von: Garimella, Rama Murthy, et al.
Veröffentlicht: (2025)

Topological Representations of Heterogeneous Learning Dynamics of Recurrent Spiking Neural Networks
von: Chakraborty, Biswadeep, et al.
Veröffentlicht: (2024)

Dynamic Weight Adaptation in Spiking Neural Networks Inspired by Biological Homeostasis
von: Zhou, Yunduo, et al.
Veröffentlicht: (2025)

Exploiting Heterogeneity in Timescales for Sparse Recurrent Spiking Neural Networks for Energy-Efficient Edge Computing
von: Chakraborty, Biswadeep, et al.
Veröffentlicht: (2024)

Brain-Like Processing Pathways Form in Models With Heterogeneous Experts
von: Cook, Jack, et al.
Veröffentlicht: (2025)

Optimization of Low-Latency Spiking Neural Networks Utilizing Historical Dynamics of Refractory Periods
von: Tao, Liying, et al.
Veröffentlicht: (2025)

SiGNN: A Spike-induced Graph Neural Network for Dynamic Graph Representation Learning
von: Chen, Dong, et al.
Veröffentlicht: (2024)

EMBER: Autonomous Cognitive Behaviour from Learned Spiking Neural Network Dynamics in a Hybrid LLM Architecture
von: Savage, William
Veröffentlicht: (2026)

Code Evolution Graphs: Understanding Large Language Model Driven Design of Algorithms
von: van Stein, Niki, et al.
Veröffentlicht: (2025)

Neural Field Turing Machine: A Differentiable Spatial Computer
von: Malhotra, Akash, et al.
Veröffentlicht: (2025)

An Introductory Review of Spiking Neural Network and Artificial Neural Network: From Biological Intelligence to Artificial Intelligence
von: Zheng, Shengjie, et al.
Veröffentlicht: (2022)

UDC: A Unified Neural Divide-and-Conquer Framework for Large-Scale Combinatorial Optimization Problems
von: Zheng, Zhi, et al.
Veröffentlicht: (2024)

Adaptive Reorganization of Neural Pathways for Continual Learning with Spiking Neural Networks
von: Han, Bing, et al.
Veröffentlicht: (2023)

Solving nonograms using Neural Networks
von: Rubio, José María Buades, et al.
Veröffentlicht: (2025)

Neural Dynamics Self-Attention for Spiking Transformers
von: Zhang, Dehao, et al.
Veröffentlicht: (2026)

Quantum Inspired Chaotic Salp Swarm Optimization for Dynamic Optimization
von: Pathak, Sanjai, et al.
Veröffentlicht: (2024)

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

Nearest-Better Network for Visualizing and Analyzing Combinatorial Optimization Problems: A Unified Tool
von: Diao, Yiya, et al.
Veröffentlicht: (2025)

Learning Characteristics of Reverse Quaternion Neural Network
von: Yamauchi, Shogo, et al.
Veröffentlicht: (2024)

Learning with Spike Synchrony in Spiking Neural Networks
von: Tian, Yuchen, et al.
Veröffentlicht: (2025)

Parallel Hyperparameter Optimization Of Spiking Neural Network
von: Firmin, Thomas, et al.
Veröffentlicht: (2024)

Continual Learning with Columnar Spiking Neural Networks
von: Larionov, Denis, et al.
Veröffentlicht: (2025)

A Survey of Recursive and Recurrent Neural Networks
von: Liu, Jian-wei, et al.
Veröffentlicht: (2025)

Exploring the Limitations of Layer Synchronization in Spiking Neural Networks
von: Koopman, Roel, et al.
Veröffentlicht: (2024)

k-Winners-Take-All Ensemble Neural Network
von: Agarap, Abien Fred, et al.
Veröffentlicht: (2024)

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

Emerging NeoHebbian Dynamics in Forward-Forward Learning: Implications for Neuromorphic Computing
von: Terres-Escudero, Erik B., et al.
Veröffentlicht: (2024)

Generalization Bounds of Spiking Neural Networks via Rademacher Complexity
von: Zhang, Shao-Qun, et al.
Veröffentlicht: (2026)