चूँकि 1980 के दशक में यह पता चला था कि खरगोश के मस्तिष्क में सीखने में अराजकता का उपयोग होता है, इस गैर-रैखिक और प्रारंभिक मूल्य-संवेदनशील गतिशील व्यवहार को तेजी से मस्तिष्क सीखने के अभिन्न अंग के रूप में मान्यता दी गई है।

हालाँकि, आधुनिक शिक्षण एल्गोरिदमकृत्रिम तंत्रिका नेटवर्क, विशेष रूप से स्पाइकिंग न्यूरल नेटवर्क (एसएनएन) जो मस्तिष्क से काफी मिलते-जुलते हैं, ने इस सुविधा का प्रभावी ढंग से लाभ नहीं उठाया है।

ज़िजियन वांग और पेंग ताओ ने लैब निदेशक लुओनान चेन के साथ मिलकर मौजूदा एसएनएन के सीखने के एल्गोरिदम में मस्तिष्क में आंतरिक अराजक गतिशीलता को पेश करने का प्रयास किया।उन्होंने पाया कि यह केवल क्रॉस-एंट्रॉपी के अनुरूप हानि फ़ंक्शन को एकीकृत करके पूरा किया जा सकता है (नीचे छवि देखें)।

इसके अलावा, उन्होंने देखा कि अराजक गतिशीलता से लैस एक एसएनएन न केवल सीखने/अनुकूलन प्रदर्शन को बढ़ाता है, बल्कि न्यूरोमॉर्फिक डेटासेट (जैसे, डीवीएस-सीआईएफएआर10 और डीवीएस-जेस्चर) और बड़े पैमाने पर स्थिर डेटासेट (जैसे, सीआईएफएआर100 और) दोनों पर सामान्यीकरण प्रदर्शन में भी सुधार करता है।इमेजनेट), अराजकता के एर्गोडिक और छद्म-यादृच्छिक गुणों की मदद से।

टीम ने लॉजिस्टिक मानचित्रों का उपयोग करके बाहरी अराजकता की शुरूआत का भी प्रयोग किया।हालाँकि, इससे एसएनएन के सीखने के प्रदर्शन में वृद्धि नहीं हुई।"यह एक रोमांचक परिणाम है, और इसका तात्पर्य यह है कि आंतरिकअव्यवस्थालुओनान चेन का कहना है कि मस्तिष्क अरबों वर्षों में विकसित हुआ है जो उसकी सीखने की क्षमता में महत्वपूर्ण भूमिका निभाता है।यद्यपि एसएनएन में मजबूत स्थानिक-अस्थायी सिग्नल लक्षण वर्णन और उच्च ऊर्जा उपयोग दक्षता है, लेकिन कुशल की कमी के कारण उनका प्रदर्शन अक्सर समकक्ष आकार के पारंपरिक तंत्रिका नेटवर्क से पीछे रहता है।

सीखने के एल्गोरिदम.यह नया एल्गोरिदम इस अंतर को प्रभावी ढंग से पाटता है।इसके अलावा, चूंकि केवल एक अतिरिक्त हानि फ़ंक्शन को पेश करने की आवश्यकता है, इसे मौजूदा एसएनएन सीखने की पद्धतियों के साथ एक सामान्यीकृत प्लग-इन इकाई के रूप में नियोजित किया जा सकता है।

अध्ययन हैप्रकाशितजर्नल मेंराष्ट्रीय विज्ञान समीक्षा.