Прерывистое обучение для совместных невропатических сетей без задней промоуции

arXiv: 2610.29697v1 Annualce Type: New Humber: Backprogragation остается доминирующей парадигмой подготовки кадров, используя обратные градиенты и местные обновления, которые могут страдать от исчезновения или взрыва градиентов в глубоких сетях. Хотя алгоритм " Вперёд-передач > избегает традиционного обратного разложения, он остается главным образом локальным или слоевным и стимулирует глобальное обучение в рамках всей сети с использованием только перспективных оценок. Поэтому для совместных нервных сетей мы предлагаем глобальную систему обучения на основе КМА-ES только в будущем. Далее мы введем структурно-показательный параметр разложение и кредитную атрибуцию для конкретного канала, учитывая поиск в трех подпространствах. На BSDS500 наш метод сокращает тест MSE с 4,1783 до 4.0130 и улучшает PSNR с 42 621 до 42,787~dB над Адамом/BP без обратного распространения. Помимо этого, профессиональная подготовка требует лишь 6 учебных программ по сравнению с 1500 эпохами для BP. Как показывают мазки, структурное разложение и согласованная кредитная уступка