Long-term Potentiation
Convolution: Math, Graphics, and Discrete Signals
Cognitive Learning
Elaborative Rehearsals
Real-World Application of Classical Conditioning
Convolution Properties I
您也可能阅读
通过共同作者、期刊和引用图与本文相关的文章。
Dmitry A Ivanov1,2, Denis A Larionov2,3, Mikhail V Kiselev2,3
1Lomonosov Moscow State University, GSP-1, Leninskie Gory, Moscow, 119991, Russia.
我们开发了一种用于强化学习 (RL) 中神经网络的稀疏计算方法. 这种方法显著减少了用于更快的神经形态计算的计算,而性能影响最小.
科学领域:
背景情况:
研究的目的:
主要方法:
主要成果:
结论: