受生物启发的前馈监督学习用于深度自组织映射网络
机器学习
2017-10-27 v1 机器学习
神经与进化计算
摘要
在本研究中,我们提出一种新颖的深度神经网络及其使用前馈监督信号的有监督学习方法。该方法受人类视觉系统启发,可在无任何反向误差传播的情况下执行类人的基于关联的学习。产生正确结果的前馈监督信号先于目标信号,并将其已确认的标签与目标信号的分类结果相关联。它有效利用来自前馈信号的大量信息,并形成连续且丰富的学习表征。该方法在 MNIST 手写数据集上的视觉识别任务中得到验证。
引用
@article{arxiv.1710.09574,
title = {Biologically Inspired Feedforward Supervised Learning for Deep Self-Organizing Map Networks},
author = {Takashi Shinozaki},
journal= {arXiv preprint arXiv:1710.09574},
year = {2017}
}
备注
Presented at MLINI-2016 workshop, 2016 (arXiv:1701.01437)