关键词biologically plausible learning
搜索结果 - 4
- 不对称权重的深度学习
提出了 Product Feedback Alignment(PFA)算法,它在避免显式的权重对称的同时,几乎与反向传播(BP)算法相同,能够在深度卷积网络中实现可比较的性能,从而提供了对长期存在的权重对称问题的新解决方案,实现了更加符合生 - 释放相似性匹配的潜力:可扩展性、监督与预训练
本研究主要介绍了通过 Convolutional Nonnegative SM 和类似于 canonical correlation analysis 的方法来扩大 primarily unsupervised similarity mat - SymBa: 前向前算法的对称反向传播无对比学习用于优化收敛
本文提出了 SymBa 算法,该算法旨在实现比反向传播(BP)更生物学上合理的学习。 SymBa 算法通过解决正负样本收敛方向冲突引起的不对称梯度问题,平衡正负损失以增强性能和收敛速度,并通过添加包含类信息的内在类模式(ICP)来修改 FF - 使用生物合理奖励传播调整卷积脉冲神经网络
该论文提出一种基于奖励传播的算法,该算法应用于脉冲神经网络(SNN)架构中的脉冲卷积和全连接层,该算法能够替代标准反向传播算法,实现对 SNN 的训练。使用该算法的 SNN 在空间和时间任务上的表现已经得到验证,达到了 BP-SNN 的类似