Pipeline híbrido ANN-SNN con plasticidad local
Aprovecha embeddings de redes preentrenadas para entrenar redes de picos con reglas locales. ¡99.09% de precisión en 64 clases!
Aprovecha embeddings de redes preentrenadas para entrenar redes de picos con reglas locales. ¡99.09% de precisión en 64 clases!
Investigación presenta cotas superiores para coeficientes de aprendizaje locales en redes neuronales de tres capas, ampliando aplicaciones a funciones de activación como swish.
Descubre por qué los benchmarks sintéticos exageran el escalado de Forward-Forward. El estudio revela un techo real en ImageNet-100 frente a backpropagation.