محققان در مطالعه جدیدی روی «تراز کردن بازخورد مستقیم» (Direct Feedback Alignment یا DFA) متمرکز شدهاند که جایگزینی برای پسانتشار خطا (Backpropagation) محسوب میشود.
در این پژوهش، یک نسخه بهبودیافته به نام nDFA (نرمالسازی DFA) معرفی شده که با استفاده از فاکتورهای هندسی خطا و فعالیتهای پیشسیناپسی، دقت مدل را در آموزش لایههای پنهان افزایش میدهد. این روش به ویژه در کاهش نویزهای نامرتبط در حین یادگیری بسیار موثر عمل میکند و گام مهمی در کارآمدتر کردن آموزش مدلهای هوش مصنوعی بدون نیاز به محاسبات سنگینِ بازگشتی است. 🧠💻
منبع: arXiv Machine Learning