基于随机突触反馈权值的迭代时间差分支持深度学习中的误差反向传播
神经与进化计算
2019-07-18 v1 机器学习
摘要
本工作表明，可微激活函数对于误差反向传播已不再必要。激活函数的导数可用固定随机反馈对齐的迭代时间差分来替代。采用固定随机突触反馈对齐与迭代时间差分，将传统误差反向传播转化为一种更具生物合理性的深度神经网络架构学习方法。这可朝着在深度学习中集成基于STDP的误差反向传播迈出一大步。
引用
@article{arxiv.1907.07255,
title = {Iterative temporal differencing with random synaptic feedback weights support error backpropagation for deep learning},
author = {Aras R. Dargazany},
journal= {arXiv preprint arXiv:1907.07255},
year = {2019}
}