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。
来源信息
- 仓库
- hiyenwong/ai_collection
- 最近来源活动
- 2026年6月4日 13:32
- 检测到的 SKILL.md 语言
- 中文
- 星标
- 2
- 分支
- 0
安装方式
默认使用会先检查来源的 Prompt；你也可以切换为直接命令，或下载本地副本。
检查来源文件
决定是否安装前，请先阅读 SKILL.md，以及 SkillsMP 当前展示的配套文件。
正在显示 SKILL.md
SKILL.md
来源说明 · 只读预览- 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
在 GitHub 查看