弗里德曼·泽克
人员信息
优化列表
![笔记](https://dblp.uni-trier.de/img/note-mark.dark.12x12.png)
2020年–今天
2024 【i15】 朱莉娅·吉加克斯 , 弗里德曼·泽克 :
阐明尖峰神经网络中替代梯度学习的理论基础。 CoRR公司 abs/2404.14964 ( 2024 ) [第14条] 弗里德曼·泽克 , 阿克塞尔·拉博里尤斯 :
持续学习的突触记忆巩固和智能可塑性理论。 CoRR公司 abs/2405.16922 ( 2024 ) 2023 [公元11年] 梅利卡·佩瓦德 , 埃姆雷·奈夫齐 , 弗里德曼·泽克 :
社论:关注神经形态工程的机器学习问题。 神经形态。 计算。 工程师。 三 ( 三 ) : 30403 ( 2023 ) 【c8】 Manil Dev Gomony公司 , 弗洛兰·德普特 , Anteneh Gebregiorgis公司 , 吉安娜·保林 , 林燕梅 , 维克拉姆·贾恩 , 哈姆迪奥伊说 , 维克托·桑切斯 , 托比亚斯·格罗瑟 , 马克·盖伦 , 玛丽安·维赫斯特 , 弗里德曼·泽克 , 弗兰克·吉尔凯纳克 , 巴里·德布鲁因 , 桑德·斯图伊克 , 西蒙·戴维森 , Sayandip De公司 , 穆尼尔·戈霍 , 亚历山德拉·金博勒 , 艾斯萨警长 , 卢卡·贝尼尼 , 迪米特里奥斯·索德斯 , 拉金德拉·比什诺伊 , 萨姆·安斯沃思 , 费德里科·科拉迪 , 瓦西姆·卡拉克丘 , 蒂姆·格内苏 , Henk下士 :
PetaOps/W edge-AI$\mu$处理器:神话还是现实? 日期 2023 : 1-6 【c7】 马努·斯林塔·哈瓦加 , 阿克塞尔·拉博里尤斯 , 弗里德曼·泽克 :
非传输SSL中的隐式方差正则化。 NeurIPS公司 2023 【c6】 朱利安·罗斯布罗奇 , 弗里德曼·泽克 :
非抑制性神经元回路可以控制突触可塑性的迹象。 NeurIPS公司 2023 [i13] 阿克塞尔·拉博里尤斯 , 弗里德曼·泽克 :
通过雅可比稳态改善平衡传播,而不存在重量对称性。 CoRR公司 abs/2309.02214 ( 2023 ) [i12] 朱利安·罗斯布罗奇 , 弗里德曼·泽克 :
非抑制性神经元回路可以控制突触可塑性的迹象。 CoRR公司 abs/2310.19614 ( 2023 ) 2022 [公元10年] 朱利安·罗斯布罗奇 , 朱莉娅·吉加克斯 , 弗里德曼·泽克 :
用于尖峰神经网络训练的波动驱动初始化。 神经形态。 计算。 工程师。 2 ( 4 ) : 44016 ( 2022 ) [公元9年] 本杰明·克莱默 , 塞巴斯蒂安·比拉杜尔 , 西蒙·卡尼亚 , 阿伦·雷布弗里德 , 安德烈亚斯·格鲁布尔 , 维塔利·卡拉森科 , 克里斯蒂安·佩勒 , 科尔比尼安·施赖伯 , 扬尼克·斯特拉德曼 , 约翰内斯·韦斯 , 约翰内斯·施梅尔 , 弗里德曼·泽克 :
模拟神经形态计算的替代梯度。 程序。 国家。 阿卡德。 科学。 美国 119 ( 4 ) : e2109194119号 ( 2022 ) [j8] 本杰明·克莱默 , 扬尼克·斯特拉德曼 , 约翰内斯·施梅尔 , 弗里德曼-曾克 :
用于尖峰神经网络系统评估的海德堡尖峰数据集。 IEEE传输。 神经网络学习。 系统。 33 ( 7 ) : 2744-2757 ( 2022 ) 【c5】 阿克塞尔·拉博里尤斯 , 弗里德曼·泽克 :
全纯平衡传播通过有限大小的振荡计算精确的梯度。 NeurIPS公司 2022 【d1】 本杰明·克莱默 , 扬尼克·斯特拉德曼 , 约翰内斯·施梅尔 , 弗里德曼·泽克 :
海德堡峰值数据集。 IEEE数据端口 , 2022 [i11] 西蒙·穆勒-克利夫 , 维托里奥·弗雷 , Lyes Khacef公司 , 亚历杭德罗·佩克尼奥·祖罗 , 丹尼尔·克莱帕奇 , 伊夫琳娜·福尔诺 , 迭戈·吉吉娜·伊万诺维奇 , 沙维卡·拉斯托吉 , Gianvito Urgese公司 , 弗里德曼·泽克 , 奇亚拉·巴托洛齐 :
盲文字母阅读:神经形态硬件时空模式识别的基准。 CoRR公司 abs/2205.15864 ( 2022 ) [i10] 朱利安·罗斯布罗奇 , 朱莉娅·吉加 , 弗里德曼·泽克 :
脉冲神经网络训练的波动驱动初始化。 CoRR公司 abs/2206.10226 ( 2022 ) [第九章] 阿克塞尔·拉博里尤斯 , 弗里德曼·泽克 :
全纯平衡传播通过有限大小的振荡计算精确的梯度。 CoRR公司 abs/2209.00530 ( 2022 ) [i8] 马努·斯里纳特·哈尔瓦加尔 , 阿克塞尔·拉博里尤斯 , 弗里德曼·泽克 :
预测网络和停止粒度在BYOL/SimSiam中提供隐式方差正则化。 CoRR公司 abs/2212.04858 ( 2022 ) 2021 [j7] 弗里德曼·泽克 , 蒂姆·P·沃格尔 :
在尖峰神经网络中注入复杂函数的替代梯度学习的显著鲁棒性。 神经计算。 33 ( 4 ) : 899-925 ( 2021 ) [j6] 弗里德曼·泽克 , 埃姆雷·奥·内夫奇 :
神经形态基质上的大脑启发学习。 程序。 电气与电子工程师协会 109 ( 5 ) : 935-950 ( 2021 ) 2020 【c4】 刘天林 , 弗里德曼·泽克 :
通过神经切线传递找到可训练的稀疏网络。 ICML公司 2020 : 6336-6347 【c3】 巴西勒Confavreux , 弗里德曼·泽克 , 埃弗顿·J·阿格尼斯 , 蒂莫西·利利克拉普 , 蒂姆·P·沃格尔 :
一种元学习方法,用于(重新)发现可塑性规则,这些规则将所需功能分割成神经网络。 NeurIPS公司 2020 [i7] 本杰明·克莱默 , 塞巴斯蒂安·比拉杜尔 , 西蒙·卡尼亚 , 阿伦·雷布弗里德 , 安德烈亚斯·格鲁布尔 , 维塔利·卡拉森科 , 克里斯蒂安·佩勒 , 科尔比尼安·施赖伯 , 扬尼克·斯特拉德曼 , 约翰内斯·韦斯 , 约翰内斯·施梅尔 , 弗里德曼·泽克 :
在模拟神经形态基底上用代理梯度训练峰值多层网络。 CoRR公司 abs/2006.07239 ( 2020 ) [i6] 刘天林 , 弗里德曼·泽克 :
通过神经切线传递找到可训练的稀疏网络。 CoRR公司 abs/2006.08228 ( 2020 ) [i5] 弗里德曼·泽克 , 埃姆雷·O·内夫奇 :
神经形态基质上的大脑启发学习。 CoRR公司 abs/2010.11931 ( 2020 )
2010 – 2019
2019 [j5] 埃姆雷·奥·内夫奇 , 赫萨姆·莫斯塔法 , 弗里德曼·泽克 :
峰值神经网络中的替代梯度学习:为峰值神经网络带来基于梯度的优化能力。 IEEE信号处理。 美格。 36 ( 6 ) : 51-63 ( 2019 ) [i4] 埃姆雷·奥·内夫奇 , 赫沙姆·莫斯塔法 , 弗里德曼·泽克 :
尖峰神经网络中的替代梯度学习。 CoRR公司 abs/1901.09948 ( 2019 ) [i3] 本杰明·克莱默 , 扬尼克·斯特拉德曼 , 约翰内斯·施梅尔 , 弗里德曼-曾克 :
用于尖峰神经网络系统评估的海德堡尖峰数据集。 CoRR公司 abs/1910.07407 ( 2019 ) 2018 【j4】 弗里德曼·泽克 , 苏里亚神经节 :
SuperSpike:多层尖峰神经网络中的监督学习。 神经计算。 30 ( 6 ) ( 2018 ) 2017 【c2】 本·普尔 , 弗里德曼·泽克 , 苏里亚神经节 :
多任务和转移学习的智能突触。 ICLR(车间) 2017 【c1】 弗里德曼·泽克 , 本·普尔 , 苏里亚神经节 :
通过突触智能进行持续学习。 ICML公司 2017 : 3987-3995 [i2] 弗里德曼·泽克 , 本·普尔 , 苏里亚神经节 :
通过突触智能改进多任务学习。 CoRR公司 abs/1703.04200 ( 2017 ) [i1] 弗里德曼·泽克 , 苏里亚神经节 :
SuperSpike:多层尖峰神经网络中的监督学习。 CoRR公司 abs/1705.11146 ( 2017 ) 2015 [j3] 马蒂厄·吉尔森 , 克里斯蒂娜·萨文 , 弗里德曼·泽克 :
社论:从不同形式塑性的相互作用中涌现出的神经计算。 前沿计算。 神经科学。 9 : 145 ( 2015 ) 2014 【b1】 弗里德曼·泽克 :
递归尖峰神经网络中的记忆形成和回忆。 EPFL,瑞士, 2014 [注2] 弗里德曼·泽克 , 沃尔夫拉姆·郭士纳 :
使用通用计算机对峰值神经网络进行高速模拟的限制。 前沿神经信息学 8 : 76 ( 2014 ) 2013 [j1] 弗里德曼-曾克 , 纪尧姆·亨尼金(Guillaume Hennequin) , 沃尔夫拉姆·郭士纳 :
神经网络中的突触可塑性需要使用快速检测器进行平衡。 公共科学图书馆计算。 生物。 9 ( 11 ) ( 2013 )
合著者索引
![](https://dblp.uni-trier.de/img/cog.dark.24x24.png)