人工神经网络如何构建自己的学习机制
MIT McGovern 研究所团队在 PNAS 论文中提出，衡量人工神经网络生物学合理性的关键指标是网络能否在没有开发者干预下自我组织，并证明随机连接的单元组仅凭简单的连接调整规则就能重塑为有效的信息处理网络。该网络依靠自组装基序实现学习，性能与采用反向传播训练的网络相当。研究目标是理解大脑的学习规则，也可能反过来改进机器学习系统。
MIT McGovern 研究所团队在 PNAS 论文中提出，衡量人工神经网络生物学合理性的关键指标是网络能否在没有开发者干预下自我组织，并证明随机连接的单元组仅凭简单的连接调整规则就能重塑为有效的信息处理网络。该网络依靠自组装基序实现学习，性能与采用反向传播训练的网络相当。研究目标是理解大脑的学习规则，也可能反过来改进机器学习系统。