biologically-plausible-learning

本文探讨了缓解Forward-Forward算法中睡眠剥夺效应的方法，通过替代激活和损失优化等技术，在MNIST和Fashion-MNIST数据集上显示了2%至62%的准确率提升。

本文将均衡传播扩展到斜梯度系统，并展示了深度能量模型与哈密顿神经网络之间的等价性，重点关注扩散耦合的Fitzhugh-Nagumo神经元。它还推导了此类网络中用于推理的逐层哈密顿递归关系。

本文探讨了将树突神经网络与均衡传播相结合，表明与标准均衡传播相比，这种具有生物学合理性的方法在具有挑战性的数据集上提高了性能。