预测编码可以在任何神经网络上进行精确的备份

下载PDF摘要：与神经科学和深度学习相交，为两个领域带来了福利和发展，几十年来，这有助于了解大脑中的学习作品，并在不同的AI基准中实现最先进的艺术形象。 Backpropagation（BP）是人工神经网络训练的最完整采用的方法，但是，由于其生物言言，通常批评（例如，缺乏参数的缺乏局部更新规则）。因此，依赖于预测编码（例如用于描述大脑中信息处理的框架）的生物学上的PLAUSIBLEREER RENGRES方法（例如，推理学习（IL））。最近的作品证明，IL可以近似于多层情感（MLP）的ACAINATIMATIN余量，并且在任何其他复杂模型上渐近地，并且零发散推断学习（Z-IL），IL的厌倦能够完全实现BP MLPS。然而，最近的目的还显示没有生物学似品的方法然而，该扫描器精确地复制了复杂模型上BP的重量更新。要填充Thispeap，请在本文中，我们通过直接定义它们的跟踪图来概括（IL和）Z-IL。据我们所知，这是第一种生物学上可信算法，其显示在任何神经网络上更新参数的方式等同于BP，因此是神经科学和深度学习的思宁研究的突破。