研究人员分析了具有有限视野Fisher记忆的递归系统,重点关注线性-高斯噪声环境下的分配、接入和保留。他们发现,虽然非正态性会重新分配信息,但平均球形信息保持不变。对于双功率有界载体,推导出了均匀滞后界,并将Fisher记忆的极限确定为Cesàro渐近极限的倒数。该研究还探讨了误差界并开发了一个端到端的存储算子,证明了写入器最优方向并非总是存储最优。在实证研究中,训练的输入掩码和线性读出实现了高效率,二元准确率与高斯预测非常接近。 AI
影响 这项研究有助于对递归系统中的记忆进行理论理解,可能为未来AI模型架构提供信息。
排序理由 该集群包含一篇在arXiv上发表的研究论文,详细介绍了递归系统的理论分析和实证研究。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- CatalyzeX
- Cesaro
- DagsHub
- Fisher
- Gaussian function
- Gotit.pub
- Hugging Face
- Influence Flower
- ScienceCast
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →