full-FORCE：一种基于目标训练递归网络的方法
神经与进化计算
2018-07-04 v1 机器学习
神经元与认知
机器学习
摘要
训练后的递归网络是建模动态神经计算的强大工具。我们提出一种基于目标的方法，用于修改递归网络的完整连接矩阵，以训练其执行涉及时间复杂输入/输出变换的任务。该方法在训练期间引入第二个网络，以提供适合执行任务的“目标”动态。由于利用了完整的递归连接，该方法产生的网络在执行任务时所需的神经元更少，且噪声鲁棒性优于传统的最小二乘（FORCE）方法。此外，我们展示了如何向目标生成网络引入额外的输入信号作为任务提示，这极大地扩展了可学习任务的范围，并提供了对训练后执行任务的网络动态的复杂性和性质的控制。
引用
@article{arxiv.1710.03070,
title = {full-FORCE: A Target-Based Method for Training Recurrent Networks},
author = {Brian DePasquale and Christopher J. Cueva and Kanaka Rajan and G. Sean Escola and L. F. Abbott},
journal= {arXiv preprint arXiv:1710.03070},
year = {2018}
}
备注
20 pages, 8 figures