Forward-Forward algorithm

2 items

RESEARCHarXiv CS.LG·4/16/2026

Sparse Goodness: How Selective Measurement Transforms Forward-Forward Learning

Diese Forschung untersucht und verbessert systematisch den Forward-Forward (FF) Algorithmus durch Neugestaltung seiner lokalen Gütefunktion, die positive von negativen Daten unterscheidet. Sie führt „top-k Güte“ und „entmax-gewichtete Energie“ ein und demonstriert erhebliche Genauigkeitsverbesserungen auf Benchmarks wie Fashion-MNIST.

neural networks goodness function Forward-Forward algorithm deep learning

RESEARCHarXiv CS.LG·vor 20T

Adaptive Multi-Scale Goodness Aggregation for Forward-Forward Learning

Dieser Artikel stellt Adaptive Multi-Scale Goodness Aggregation (AMSGA) vor, eine neuartige Erweiterung des Forward-Forward-Algorithmus zur Verbesserung der Stabilität und Robustheit neuronaler Netze. AMSGA integriert Multi-Skalen-Güte-Aggregation, adaptives Hard-Negative-Mining und schichtabhängige Schwellenwerte. Experimente auf MNIST und Fashion-MNIST zeigen konsistente Leistungsverbesserungen gegenüber dem ursprünglichen FF-Algorithmus.

neural networks Forward-Forward algorithm learning machine learning