置顶文章

4.6k字4 分钟

注：本文是大创组会论文《脑启发 ANN 综述》讨论内容。 # 人工神经网络 (ANN) 学习中的脑启发表示 # 局部学习算法   全局学习算法 (例如反向传播) 在更新权重时需要去传播通过整个神经网络。而如果去采用局部学习算法，ANN 就可以更高效地学习，进而应用于实际。所以，这篇论文下面列举了一些脑启发局部学习算法的一些进展，这些进展展现了提高 ANN 的性能和鲁棒性的潜力。 # 局部反向传播   局部反向传播模仿了反向传播 (BP) 的一些数学性质，但是区别于传统 BP，它是采用局部的误差梯度来更新权重。一个局部 BP 的例子是反馈对齐 (FA) 算法，它采用随机矩阵替代了精确且对称的
1k字1 分钟

  代数学是把问题的解决还原为符号式操作的一门数学分支。拉康在其 1955 年的著作中便开始使用些代数学符号，以试图把精神分析加以形式化。在此种形式化目的的背后，存在着三个主要的原因: (1) 形式化是让精神分析取得科学性地位所必需的。正如克劳德・列维 - 斯特劳斯运用了一些准数学的公式，以试图把人类学奠定在更具科学性的基础之上，拉康也尝试对精神分析做同样的事情。 (2) 形式化可以给精神分析理论提供某种内核，从而使之甚至能够被完整地传递给那些从未体验过精神分析治疗的人们。因而，各种公式就变成了精神分析家训练当中的一个基本面向，它们作为一种传递精神分析识的媒介同训练性分析并驾齐驱。 (3)

文章列表

811字1 分钟

Welcome to Hexo! This is your very first post. Check documentation for more info. If you get any problems when using Hexo, you can find the answer in troubleshooting or you can ask me on GitHub. # Quick Start # Create a new post h$ hexo new "My New Post"More info: Writing # Run server h$ h