我实现了诺贝尔奖得主 Jeff Hinton 提出的生物上可能的网络训练算法
摘要
作者描述了实现由 Geoffrey Hinton 提出的生物上合理的神经网络训练算法。
暂无内容
相似文章
@jakevin7: 现在所有人都在聊 AI,但很少有人知道,这个领域的奠基人曾经被整个世界当成疯子扔掉。 Geoffrey Hinton 在 2024 年拿了诺贝尔物理学奖。 有记者问他:你等了多少年? 他说:大概四十年。 1969 年,神经网络被一本书干死…
本文回顾了 Geoffrey Hinton 在神经网络被学术界抛弃的 AI 寒冬中坚持研究长达三十年,最终凭借 AlexNet 在 2012 年 ImageNet 大赛中一举成名,并在 2024 年获得诺贝尔物理学奖的历程。
我的玩具脉冲网络在NARMA-10测试中完全失败,但一个简单的神经科学技巧带来了15倍的计算性价比。 [D]
作者描述了一个自建的脉冲神经网络引擎,最初未能通过NARMA-10基准测试,但通过应用神经科学中的异构导线延迟,它获得了可用的记忆深度,并在一个识别任务上相比连续网络实现了15倍的计算效率优势。
Dale约束下深度网络中的学习
本文介绍了一种受生物学启发的神经架构,该架构遵循Dale约束——神经元和突触具有固定符号——同时仍支持使用非负误差信号和局部Hebbian更新的类反向传播学习,并在Tiny ImageNet上取得了性能提升。
@freeCodeCamp:杰弗里·辛顿1977年的博士论文中,现代人工智能背后的许多想法已初具雏形。在这篇文章中,@programmi…
一篇文章探讨了杰弗里·辛顿1977年的博士论文《松弛及其在视觉中的作用》,指出其中关于视觉、松弛和不确定性推理的思想如何预示了现代AI的概念。
关于如何将杰弗里·辛顿的养育本能概念注入人工智能的一个想法
一位创意作家/数据科学爱好者提出,人工智能训练数据应包含更多人类善待AI以及AI表现出仁慈行为的故事,借鉴杰弗里·辛顿的养育本能概念,以提升AI的安全性和行为表现。