local-learning

本文展示了在宽度远大于深度的极限情况下，预测编码网络计算出与反向传播相同的梯度，从而在生物学习与标准神经网络训练之间架起桥梁。

提出了自适应多尺度优度聚合（AMSGA），这是Forward-Forward算法的一个扩展，通过多尺度优度聚合、自适应难负样本挖掘和层相关阈值，提高了稳定性、鲁棒性和泛化能力，在MNIST和Fashion-MNIST上实现了适度的准确率提升。