Ich habe ein kontinuierliches Attraktor-Netzwerk mit 3 Motoneuronen gebaut, das lernt, die Mäuse mit Hilfe von belohnungsmodulierter Hebbscher Plastizität zum Futter zu führen. Kein Backpropagation und kein SGD. In diesem Fall hat das Netzwerk zunächst gelernt, um das Futter zu kreisen 😯 Der Quellcode ist Open Source. Link im Kommentar. 36 Neuronen im CAN erkennen, wo das Futter ist, jedes Neuron in diesem Netzwerk verbindet sich mit jedem Motoneuron. Zunächst sind die Verbindungen zufällig und schwach, und sie werden stärker, wenn die Mäuse sich dem Futter nähern und es erreichen. Das Netzwerk verfolgt, welche Neuronen zusammen feuerten, um dies zu erreichen, und stärkt diese Verbindungen. Wenn du das interessant findest, schau dir mein Projekt zu spiking neural networks an. Ich werde auch einen Link dazu im Kommentar setzen.