RESEARCHarXiv CS.AI·17/04/2026
Mistake gating leads to energy and memory efficient continual learning
Cette recherche propose l'« apprentissage à porte d'erreur mémorisée », une règle de plasticité biologiquement plausible qui ne met à jour les synapses qu'en cas d'erreurs de classification. Cette méthode réduit le nombre de mises à jour du réseau de 50% à 80%, améliorant l'efficacité énergétique et de la mémoire dans les scénarios d'apprentissage continu et en ligne.
35