FFR将Forward-Forward学习扩展到回归任务

Xinyang Liu等作者提出FFR（Forward-Forward for Regression）框架，将Forward-Forward学习首次扩展到真实回归任务。研究者称这是首个把FF用于真实回归的框架，在六个真实回归基准上平均恢复反向传播（BP）98.5%的精度。 该结果来自研究者的论文报告，属于其自身实验结论。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。