研究者提出振荡硬件就地训练算法LIEP
热点事件持续更新
研究者提出振荡硬件就地训练算法LIEP
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Sowjanya Tammali 与 Wilkie Olin-Ammentorp 发表论文,提出并演示锁相平衡传播(LIEP)训练方法。该算法可为振荡网络中每个元件提供局部梯度信息,无需独立的前向与反向扫描,目标是在模拟振荡硬件平台上实现在线学习,并可表述为三因子更新规则。 论文称,LIEP 既能从零训练,也能在预训练参数被扰动后恢复性能。目前该方法仅在浅层网络上得到验证;作者认为,其他架构或可将其扩展到深度、大规模网络以处理复杂任务。
AI 根据报道生成 · 2 小时前更新
最新进展10月7日 12:00
Lock-in EP:面向振荡模拟硬件的原位训练算法报道时间线
沿着报道,了解事件的不同侧面。
10月7日
- arXiv:cs.LGLock-in EP:面向振荡模拟硬件的原位训练算法
研究者提出并验证了 lock-in equilibrium propagation(LIEP)训练方法,可为振荡网络中每个元件提供局部梯度信息,无需独立的前向与反向扫描,从而有望在模拟振荡硬件平台上实现在线学习。LIEP 既可用于从零训练,也能在预训练参数被扰动后恢复性能,并可表述为三因子更新规则。该方法目前仅在浅层网络上得到验证,作者认为其他架构或可将其扩展到深度、大规模网络。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。