Sparse Goodness: How Selective Measurement Transforms Forward-Forward Learning

Esta investigación estudia y mejora sistemáticamente el algoritmo Forward-Forward (FF) rediseñando su función de bondad local, que distingue datos positivos de negativos. Introduce 'top-k goodness' y 'entmax-weighted energy', demostrando mejoras sustanciales en la precisión en benchmarks como Fashion-MNIST.