Data-driven emergence of convolutional structure in neural networks

Exploiting data invariances is crucial for efficient learning in both artificial and biological neural circuits. Understanding how neural networks can discover appropriate representations capable of harnessing the underlying symmetries of their inputs is thus crucial in machine learning and neurosci...

Celý popis

Podrobná bibliografie

Vydáno v:	Proceedings of the National Academy of Sciences - PNAS Ročník 119; číslo 40; s. e2201854119
Hlavní autoři:	Ingrosso, Alessandro, Goldt, Sebastian
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	United States 04.10.2022
Témata:	Machine Learning Neural Networks, Computer Neurosciences convolution receptive fields invariance neural networks
ISSN:	1091-6490, 1091-6490
On-line přístup:	Zjistit podrobnosti o přístupu
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!