sparse-gradient-plasticity
梯度突触可塑性稀疏实现方法论。实现真正稀疏且通用的梯度突触可塑性规则，保持在线学习能力。适用于脉冲神经网络、在线学习、突触可塑性研究。触发词：突触可塑性、梯度下降、稀疏实现、在线学习、sparse plasticity、gradient-based、online learning。
Quellinformationen
- Repository
- hiyenwong/ai_collection
- Letzte Quellaktivität
- 4. Juni 2026 um 13:32
- Erkannte Sprache von SKILL.md
- Chinesisch
- Sterne
- 2
- Forks
- 0
Installationsoptionen
Standardmäßig ist der Prompt ausgewählt, der zuerst die Quelle prüft. Sie können zu einem direkten Befehl wechseln oder eine lokale Kopie herunterladen.
Quelldateien prüfen
Lesen Sie SKILL.md und alle von SkillsMP angezeigten Begleitdateien, bevor Sie sich für eine Installation entscheiden.
SKILL.md wird angezeigt
SKILL.md
Quellanweisungen · Schreibgeschützte Vorschau- name
- sparse-gradient-plasticity
- description
- 梯度突触可塑性稀疏实现方法论。实现真正稀疏且通用的梯度突触可塑性规则，保持在线学习能力。适用于脉冲神经网络、在线学习、突触可塑性研究。触发词：突触可塑性、梯度下降、稀疏实现、在线学习、sparse plasticity、gradient-based、online learning。
- user-invocable
- true
# Sparse Gradient Synaptic Plasticity
## 核心思想
实现真正稀疏且通用的梯度突触可塑性规则，避免手动推导梯度或牺牲在线能力。
**来源：** arXiv:2501.11407
**效用：** 0.92
---
## 实现
```python
import numpy as np
class SparseGradientPlasticity:
def __init__(self, n_pre, n_post, sparsity=0.1):
self.W = np.random.randn(n_post, n_pre) * 0.1
self.mask = np.random.rand(n_post, n_pre) < sparsity
self.W *= self.mask
self.eta = 0.01
def forward(self, x):
return self.W @ x
def update(self, pre, post, error):
dW = self.eta * np.outer(error * post, pre)
self.W += dW * self.mask
```
---
## Activation Keywords
- 突触可塑性
- 梯度下降
- 稀疏实现
## Tools Used
- numpy
## Instructions for Agents
1. 创建稀疏连接掩码
2. 实现在线梯度更新
3. 保持稀疏性约束
## Examples
在线学习任务中的突触权重更新。
## 参考文献
- arXiv:2501.11407
Auf GitHub ansehen