跳到正文
arXiv · ML· Bingkun Liu, Paul Haider, Federico Benitez, Mihai A. Petrovici, Walter Senn·· 10 天前AI 评分36

K-prop:通过反向传播时序核实现深度在线学习

K-prop: Deep Online Learning by Backpropagating Temporal Kernels

AI 导读

研究人员提出 K-prop 方法,通过传播核增益大幅降低实时循环学习(RTRL)的计算与内存成本。该方法在序列学习、分类及强化学习任务中,性能超越现有 RTRL 近似,并接近通过时间的反向传播(BPTT)。K-prop 在 NeurIPS 2026 会议上被接收发表。

来源:arXiv · ML · arxiv.org