PC-ALM：無需反向傳播訓練 1000 層神經網絡

PC-ALM 是一種以局部學習取代反向傳播的方法，只靠局部動態即可訓練 1000 層神經網絡。它引入作為拉格朗日乘數的對偶神經元，令每層以 PI 回饋控制系統最小化局部預測誤差。在標準 PC 難以學習的深而窄網絡中，PC-ALM 尤其能把訊號傳至看似任意深度。