通过极端动力学和负反馈的自适应学习
无序系统与神经网络
2009-10-31 v1 统计力学
适应与自组织系统
q-bio
摘要
我们描述了一种基于两个简单原则的生物学习和适应机制：（I）神经元活动仅通过网络中最强的突触连接传递（极端动力学），（II）若发生错误，活跃突触的强度被降低，否则不发生变化（负反馈）。这两种趋势的平衡通常塑造出配置略显稳定且高度灵活的突触景观。这使得对新情况的快速适应成为可能。通过惩罚曾参与成功输出相关活动的突触（比从未成功的神经元更少地受惩），实现对过去成功经验的记忆。尽管模型简单，却能轻松学习解决复杂的非线性任务，即使有噪声存在。特别是，基准奇偶校验问题的学习时间随问题规模 N 的幂 增长。
引用
@article{arxiv.cond-mat/0009211,
title = {Adaptive learning by extremal dynamics and negative feedback},
author = {Per Bak and Dante R Chialvo},
journal= {arXiv preprint arXiv:cond-mat/0009211},
year = {2009}
}