Jag byggde ett biologiskt inspirerat spikande neuralt nätverk från grunden och det lärde sig med %5 noggrannhet att göra additions:) Det finns ingen backpropagation, inga artificiella förlustfunktioner - bara spikar, synapser och dopaminliknande belöningssignaler. den använder STDP -> "Spike-Timing-Dependent Plasticity" med modulerade belöningar Det här är superkul och jag ska försöka få det att lära sig med bättre noggrannhet. Jag måste också bli bättre på att förstå hur alla rörliga delar passar ihop Länk till källkod i kommentaren som har en detaljerad readme och html med animationer som förklarar hur det hela fungerar