Newest papers

Forward-Only Learning for Shared-Kernel Wavelet Neural Networks without Backpropagation

Yongfei Guo, Xuan Sun, Ang Li, Zhao Zhang, Yuanhao Gong · 2026 · arXiv

DOI: 10.48550/arXiv.2610.29697 · open-access PDF

Hindi

बैकप्रोपागेशन मुख्य प्रशिक्षण पैराडाइम है, जो बैकप्रोपागेशन और स्थानीय अद्यतन का उपयोग करता है जो गहरे नेटवर्क में गायब होने या विस्फोट होने से पीड़ित हो सकते हैं. हालांकि आगे-आगे एल्गोरिथ्म पारंपरिक बैकप्रोपागेशन से बचता है, यह मुख्य रूप से स्थानीय या परत-आधारित रहता है, केवल आगे-आधारित मूल्यांकनों का उपयोग करके वैश्विक पूरे नेटवर्क सीखने को प्रेरित करता है।

Machine translation (Meta M2M100); the English original follows.

Abstract

Backpropagation remains the dominant training paradigm, using backward gradients and local updates that can suffer from vanishing or exploding gradients in deep networks. Although the Forward-Forward algorithm avoids conventional backpropagation, it remains mainly local or layer-wise, motivating global whole-network learning using forward evaluations only. For shared-kernel wavelet neural networks, we therefore propose a CMA-ES-based global forward-only learning framework. We further introduce structure-aware parameter decomposition and channel-specific credit assignment, factorizing the searc

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange