.png){kind=icon}
返回
Harnessing intuitive local evolution rules for physical learning
.png){kind=icon}
PRE
AI
DOI：10.1103/51dl-czj3.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
尽管机器学习非常流行且易于获取，但其计算密集且功耗极高，促使人们关注学习任务的替代物理实现方式。我们介绍了一种用于物理系统的训练方案，该方案可最小化功耗，仅通过外部控制边界参数（输入和输出）。利用此方案，这些边界启用的自适应状态调谐系统（BEASTS）通过利用局部物理规则进行学习。我们的方案BEASTAL（BEAST-Adaline）是该类系统的Adaline（自适应线性神经元）算法的最接近类比。我们在模拟中展示了这种自主学习在回归和分类任务中的应用。我们的方法通过使用直观的局部演化规则，无需大规模内存或复杂内部结构，从而推进了以往的物理学习方案。BEASTAL可应用于任何具有线性输入-输出映射的物理系统，当局部演化规则为非线性时性能最佳。
Keyword:
PLASTICITY
期刊
IF:
2.4
论文数:
1.4K
被引数:
10.2W
机构
引用论文
.png){kind=icon}
查看更多内容