A deep learning theory for neural networks grounded in physics

A deep learning theory for neural networks grounded in physics

Au cours de la dernière décennie, l'apprentissage profond est devenu une composante majeure de l'intelligence artificielle, ayant mené à une série d'avancées capitales dans une variété de domaines. L'un des piliers de l'apprentissage profond est l'optimisation de foncti...

Full description

Bibliographic Details
Main Author: Scellier, Benjamin
Other Authors: Bengio, Yoshua
Format: Others
Language:English
Published: 2021
Subjects:
deep learning
machine learning
physics
equilibrium propagation
energy-based model
variational principle
principle of least action
local learning rule
stochastic gradient descent
Hopfield network
resistive network
neuromorphic computing
circuit theory
principle of minimum dissipated power
co-content
Apprentissage profond
Apprentissage machine
Système physique
Modèle à énergie
Principe variationnel
Principe de moindre action
Règle d’apprentissage locale
Algorithme du gradient stochastique
Réseau de Hopfield
Réseau resistif
Théorie des circuits électriques
Calcul neuromorphique
Applied Sciences - Artificial Intelligence / Sciences appliqués et technologie - Intelligence artificielle (UMI : 0800)
Online Access:http://hdl.handle.net/1866/25593
https://orcid.org/0000-0002-2407-7470

Internet

http://hdl.handle.net/1866/25593
https://orcid.org/0000-0002-2407-7470

Similar Items