Hinton 的前向前向 (FF) 算法的实现 - 这是一种替代于反向传播的算法
实现了前向前传 (FF) 训练算法 - 这是一个替代了反向传播的算法。
在生成正样本 $s$ 和负样本 $s'$ 的许多方法中,对于 MNIST,我们有: \ \ 正样本 $s = merge(x, y)$, 图像和其标签 \ \ 负样本 $s' = merge(x, y_{random})$, 图像和随机标签 \ \ 经过所有层的训练后,为了对测试图像 $x$ 进行预测,我们找到所有 $0 \leq y < 10$ 的对 $(x, y)$, 使得网络的整体激活最大。 \ \ 使用此实现,在 MNIST 上的训练误差和测试误差分别为:
暂无开放 Issues，或尚未同步最近议题。