调控回授网路

调控回授网路(Regulatory feedback networks)是利用负反馈来进行推理的类神经网路[1]。回授不是为了最佳学习或是最佳训练的权重,是用来找到节点的最佳活化方式(optimal activation of nodes)。此作法的效果类似无母数统计,但和最近邻居法不同,调控回授网路在数学上已证明可以模拟前馈神经网络

网路的起源及应用

编辑

调控回授网路起源于解释脑部认知的模型,包括在感官认知中常常会出现网络范围的簇状发放英语bursting以及因相似造成的因难[2] 。此作法在数学上可等效分类为前馈法,用作创建及修改网路的工具[3][4]

相关条目

编辑

参考资料

编辑
  1. ^ Achler T., Omar C., Amir E., “Shedding Weights: More With Less”, IEEE Proc. International Joint Conference on Neural Networks, 2008
  2. ^ Tsvi Achler, Neural Phenomena Focus, 2016-02-08 [2016-08-29], (原始内容存档于2021-07-20) 
  3. ^ fernandez, ed. Two Duck-Rabbit Paradigm-Shift Anomalies in Physics and One (maybe) in Machine Learning. Medium. 2016-02-09 [2016-08-29]. (原始内容存档于2020-11-08). 
  4. ^ Tsvi Achler, Technical Video for Optimizing Mind, 2016-04-29 [2016-08-29], (原始内容存档于2021-07-21)