予測符号化による任意グラフトポロジーの学習【JST・京大機械翻訳】

Salvatori Tommaso; Pinchetti Luca; Millidge Beren; Song Yuhang; Bao Tianyi; Bogacz Rafal; Lukasiewicz Thomas

プレプリント

J-GLOBAL ID：202202208897803253 整理番号：22P0282340

予測符号化による任意グラフトポロジーの学習【JST・京大機械翻訳】

Learning on Arbitrary Graph Topologies via Predictive Coding

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (7件)： , , , , , ,
資料名：
発行年： 2022年01月31日プレプリントサーバーでの情報更新日： 2022年10月12日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

標準深層学習におけるバックプロパゲーション(BP)による訓練は,2つの主なステップから成る:データポイントをその予測に写像するフォワードパス,およびネットワークを通してこの予測の誤差を伝播する後方パス。この過程は,目標が特定の目的関数を最小化するとき,非常に有効である。しかし,それは周期的または後方接続を有するネットワークに関する訓練を許さない。これは,新皮質における神経接続の高度に複雑なheterarchical構造が,その有効性に潜在的に重要であるので,脳様能力に達する障害である。本論文では,皮質における情報処理の理論である予測符号化(PC)が任意のグラフトポロジーに関する推論と学習を実行するためにどのように使用できるかを示す。PCグラフと呼ばれるこの定式化が,特定のニューロンを単純に刺激することにより,同じネットワークで異なるタスクを柔軟に実行するためにどのように使用できるかを実験的に示し,グラフのトポロジーが最終性能にどのように影響するかを調べた。BPで訓練された単純なベースラインと比較して結論を下した。【JST・京大機械翻訳】

, , , , , , , , , , , ,
, , 【Automatic Indexing@JST】

脳・神経系モデル , 人工知能

, , ,

前のページに戻る