提出了一种新的监督学习方法，称为对抗学习，用于深度联想网络。该方法旨在通过使用相同的神经通路进行前向和误差信号传播，从而比传统的反向传播更具生物学现实性。该方法包括从输入层和输出层发起活动波，在隐藏层相遇，并使用局部赫布型学习规则来连接活动模式并减少误差。在二值化MNIST数据集上的初步结果表明，尽管超参数优化不完整，但与更复杂的架构相比，测试准确率具有竞争力。 AI
影响 提出了一种更具生物学合理性的反向传播替代方案，可能影响未来的神经网络架构。
排序理由 详细介绍一种新颖机器学习算法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
在 arXiv cs.NE (Neural & Evolutionary) 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
