Toward Practical Equilibrium Propagation: Brain-inspired Recurrent Neural Network with Feedback Regulation and Residual Connections
Dieser Beitrag stellt FRE-RNN vor, ein biologisch plausibles rekurrentes neuronales Netzwerk, das Feedback-Regulation und Residualverbindungen integriert, die die Instabilität und hohen Rechenkosten der Equilibrium Propagation überwinden, Konvergenzgeschwindigkeiten und Leistung erreichen, die mit Backpropagation vergleichbar sind, und gleichzeitig praktisches großskaliges, vom Gehirn inspiriertes Lernen ermöglichen.