本頁只刊出中文翻譯與中文說明；英文原文請見下方原文連結。
原文連結
論文資訊
- 類型：已發表論文
- 日期：2022-09-02
摘要
我們描述了一種基於兩個簡單原理的生物學習和適應機制：（i）神經元活動僅透過網路最強的突觸連接傳播（極值動力學），以及（ii）如果犯錯，活動突觸的強度就會減弱，否則不會發生變化（負回饋）。這兩種傾向的平衡通常會形成一個突觸景觀，其配置幾乎不穩定，因此高度靈活。這樣可以快速適應新情況。對過去成功的回憶是透過懲罰曾經參與與成功輸出相關的活動的突觸來實現的，這些突觸比從未成功過的神經元要少得多。儘管模型很簡單，但即使存在噪聲，模型也可以輕鬆學習解決複雜的非線性任務。特別是，基準奇偶校驗問題的學習時間與問題大小 N 成代數關係，指數 k 類似於 1.4。