AutoHebb自修改神经网络研究
热点事件持续更新
AutoHebb自修改神经网络研究
1 篇报道1 个报道来源7 小时前更新
先了解这件事
AI 综述
Daniel Levine、David van Dijk 和 Kenneth Kay 提出 AutoHebb（自主 Hebbian 网络），一种能够在线学习的前馈神经网络，旨在实现零样本推断和持续学习。 该网络采用自主控制的学习机制，并通过较强的归纳偏置约束学习过程。研究团队称，AutoHebb兼具结构简单与表达能力，目标是在无需预先针对特定任务训练的情况下支持零样本推断，并在持续学习中适应新信息。
AI 根据报道生成 · 2 小时前更新
最新进展11月2日 13:00
AutoHebb：能够零样本推断和持续学习的自修改神经网络报道时间线
沿着报道，了解事件的不同侧面。
11月2日
- arXiv · Machine LearningAutoHebb：能够零样本推断和持续学习的自修改神经网络
Daniel Levine、David van Dijk 和 Kenneth Kay 提出 AutoHebb（自主 Hebbian 网络），一种在线学习前馈神经网络，旨在实现零样本推断（ZI）和持续学习（CL）。
本事件热度走势
- 可比范围当前
- 8
- 可比范围峰值
- 911月2日 18:00
- 近 24 小时变化
- –
02.557.510
18:0019:0020:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。