
摘要
梯度反向传播(BP)需要对称的前馈和反馈连接——即前向和后向传递必须使用相同的权重。这一“权重传输问题”(Grossberg 1987)被认为是质疑BP生物合理性的主要原因之一。我们使用了15个不同的分类数据集,系统地研究了BP在多大程度上依赖于权重对称性。我们的研究在精神上与Lillicrap等人(Lillicrap et al. 2014)的演示惊人地相似,但在结果上是正交的。实验结果表明:(1) 反馈权重的大小对性能没有影响;(2) 反馈权重的符号很重要——前馈和对应的反馈连接之间的符号一致性越高,性能越好;(3) 当反馈权重具有随机大小且符号一致性为100%时,我们能够实现与SGD相同甚至更好的性能;(4) 某些归一化/稳定化方法对于这种非对称BP的有效运行是不可或缺的,特别是批量归一化(BN)(Ioffe和Szegedy 2015)和/或“批量曼哈顿”(BM)更新规则。
代码仓库
jsalbert/biotorch
pytorch
GitHub 中提及
willwx/sign-symmetry
pytorch
基准测试
| 基准 | 方法 | 指标 |
|---|---|---|
| handwritten-digit-recognition-on-mnist | Sign-symmetry | PERCENTAGE ERROR: 0.91 |
| image-classification-on-cifar-10 | Sign-symmetry | Percentage correct: 80.98 |
| image-classification-on-cifar-100 | Sign-symmetry | Percentage correct: 48.75 |
| image-classification-on-stl-10 | Sign-symmetry | Percentage correct: 57.32 |
| image-classification-on-svhn | Sign-symmetry | Percentage error: 10.16 |