上传者: 38524472
|
上传时间: 2021-11-20 13:41:19
|
文件大小: 23KB
|
文件类型: -
matlab精度检验代码Python中的预测编码
具有局部Hebbian突触可塑性的预测编码网络中的误差反向传播算法逼近的Python实现
[]
基于[
@djcrw
]中的MATLAB
要求
numpy
torch
torchvision
任务
包括来自自由能源框架的教程中的模型,用于对感知和学习进行建模
添加其他优化器
测量迭代次数
亩的初始空间需要足够大-摊销权重的集合还是学习速度慢?
测试纯PC精度
错误下降,但摊销后的渐近线
无限迭代-摊销式学习提供了设置数量,删除自由参数的机制(替换为阈值)
生成性超量,这与歧视性不一致-需要某种方式来促进网络中的歧视
两者都试图互相预测?
生成式预测有区别吗?
添加渐变钳制