arXiv AI· Bingkun Liu, Paul Haider, Federico Benitez, Mihai A. Petrovici, Walter Senn·· 2 天前评分61
K-prop: Deep Online Learning by Backpropagating Temporal Kernels
摘要
我们提出K-prop，一种用于漏电神经网络的新型在线学习方法。它通过传播核增益显著降低了实时递归学习（RTRL）的计算和内存成本。K-prop在现有RTRL近似方法上表现优异，其性能与时间序列学习、分类和强化学习任务中的反向传播通过时间（backpropagation through time）相当。
推荐理由
请对照arXiv AI原文，核对完整说明及适用条件。
本站只提供摘要与原文入口。完整内容请阅读原文。
来源：arXiv AI · arxiv.org