机构名称：
¥ 1.0
大脑通过修改神经元1 - 5之间的突触连接来学习。尽管突触生理学有助于解释单个修改背后的规则和过程，但它并不能解释单个修改如何协调以实现网络目标。由于学习不仅仅是不考虑下游行为后果的近视，突触特异性事件的盲目积累，因此，如果我们要了解大脑中的学习，我们需要揭示整个网络中的可塑性的原理。在机器学习中，研究人员研究了协调突触更新的方式，以提高人工神经网络的性能，而不会受到生物现实的限制。它们首先定义神经网络的架构，该神经网络包括神经元的数量及其连接。例如，研究人员经常使用具有许多神经元层的深网，因为这些架构已被证明对许多任务非常有效。接下来，研究人员定义了一个错误函数6，该功能量化了网络目前实现其目标的差，然后他们搜索学习算法
反向传播和大脑
主要关键词
相关文件推荐
