调控回授网络
 | 没有或很少条目链入本条目。 (2017年9月27日) |
调控回授网络（Regulatory feedback networks）是利用负反馈来进行推理的类神经网络[1]。回授不是为了最佳学习或是最佳训练的权重，是用来找到节点的最佳活化方式（optimal activation of nodes）。此作法的效果类似非参数统计，但和最近邻居法不同，调控回授网络在数学上已证明可以模拟前馈神经网络。
网络的起源及应用[编辑]
调控回授网络起源于解释脑部认知的模型，包括在感官认知中常常会出现网络范围的簇状发放以及因相似造成的因难[2] 。此作法在数学上可等效分类为前馈法，用作创建及修改网络的工具[3][4]。
相关条目[编辑]
参考资料[编辑]
- ^ Achler T., Omar C., Amir E., “Shedding Weights: More With Less”, IEEE Proc. International Joint Conference on Neural Networks, 2008
- ^ Tsvi Achler, Neural Phenomena Focus, 2016-02-08 [2016-08-29], （原始内容存档于2021-07-20）
- ^ fernandez, ed. Two Duck-Rabbit Paradigm-Shift Anomalies in Physics and One (maybe) in Machine Learning. Medium. 2016-02-09 [2016-08-29]. （原始内容存档于2020-11-08）.
- ^ Tsvi Achler, Technical Video for Optimizing Mind, 2016-04-29 [2016-08-29], （原始内容存档于2021-07-21）