Lock-in EP：面向振荡硬件的原位训练算法

研究者提出 lock-in equilibrium propagation（LIEP）训练方法，可为振荡网络中每个组件提供局部梯度信息，无需单独的前向与反向扫描，从而有望在模拟振荡硬件上实现原位学习。LIEP 既可用于从零训练，也能在预训练参数被扰动后恢复性能，并可表述为三因子更新规则。该方法目前仅在浅层网络上验证，作者认为其他架构或可将其扩展至深层大规模网络。