关键词local representation alignment
搜索结果 - 2
- 通过本地对齐分布式表示进行循环神经网络的持续学习
本文提出了一种基于局部表示对齐算法训练的并行时间神经编码网络 (P-TNCN),用以解决通过时间反向传播所存在的困难和问题,比如序列建模基准测试中表现优异,具有零 - shot 适应能力和在线连续序列建模的能力。
- AAAI用生物学启发的算法传播本地目标表示
提出了一种名为误差驱动局部表示对齐 (LRA-E) 的学习算法,它与预测编码有强烈的联系,可以在训练深度非线性网络时得到更稳定的性能和更强的泛化能力,并且通过与其他生物启发算法的比较,表现最佳。