biologically-plausible

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。

介绍“扩散责任”方法，使神经网络在严格遵守戴尔原则的同时，通过误差扩散和模误差路由实现竞争性学习，在图像分类和强化学习上取得良好效果，且无需权重传输。

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。

本文研究受大脑神经变异性启发的相关噪声如何增强人工神经网络对抗对抗攻击和自然图像修改的鲁棒性。

介绍了Score Broadcast and Decorrelation (SBD)，一种原则性的基于广播的信用分配框架，该框架可推广到包括交叉熵、Bregman散度和适当评分规则在内的可微损失族。该工作为三因子学习规则提供了理论基础，并在CIFAR-10和Tiny ImageNet上展示了相较于现有广播方法的性能提升。