★ 3
AutoHebb:可零样本推理与持续学习的自修改神经网络
论文提出 AutoHebb,一类在线学习前馈网络,通过内部产生的「神经调质」全局信号门控三因子 Hebbian 局部学习规则。用元学习搜索固定权重后,网络在零样本推理与持续学习任务上优于现代学习模型。消融显示元学习、Hebbian 可塑性与自主学习控制三者缺一不可。
arXiv cs.LG8 小时前
共 2 篇相关资讯,按重要度与时间排序,每 3 小时更新。
论文提出 AutoHebb,一类在线学习前馈网络,通过内部产生的「神经调质」全局信号门控三因子 Hebbian 局部学习规则。用元学习搜索固定权重后,网络在零样本推理与持续学习任务上优于现代学习模型。消融显示元学习、Hebbian 可塑性与自主学习控制三者缺一不可。
arXiv 论文为压缩有限特征 Hebbian 联想记忆的精确键检索建立几何容量理论,将检索干扰分解为有限特征噪声与结构干扰,给出无需拟合的检索质量预测与容量上限。在合成、视觉与医学图像表征上验证,理论曲线与实证行为高度吻合。