Backward Coupling

新的 Neural LoFi 方法增强了跨层特征学习

研究人员开发了一种名为 Neural LoFi with Backward Coupling 的新方法，该方法扩展了 Neural Low-Degree Filtering 技术，以在联合训练期间考虑神经网络中的反馈机制。该方法推导了神经元传入权重与其对应的下一层列之间的局部耦合，放大了跨层相关算子的奇异模式。在 CIFAR-10 上的实验表明，与原始的仅前向的 Neural LoFi 相比，这种后向耦合算法提高了准确性。