生物循环神经网络中学习的现状与未来方向：一篇观点文章
神经元与认知
2022-01-06 v2 人工智能
摘要
我们简要回顾了关于生物学习的常见假设，并结合实验神经科学的发现，将其与循环神经网络中基于梯度的学习的效率进行对比。本综述讨论的关键问题包括：突触可塑性、神经环路、理论与实验的鸿沟，以及目标函数。最后，我们为设计有助于厘清这些问题的新研究的理论与实验神经科学家给出了建议。
引用
@article{arxiv.2105.05382,
title = {Current State and Future Directions for Learning in Biological Recurrent Neural Networks: A Perspective Piece},
author = {Luke Y. Prince and Roy Henha Eyono and Ellen Boven and Arna Ghosh and Joe Pemberton and Franz Scherr and Claudia Clopath and Rui Ponte Costa and Wolfgang Maass and Blake A. Richards and Cristina Savin and Katharina Anna Wilmes},
journal= {arXiv preprint arXiv:2105.05382},
year = {2022}
}