پژوهشگران روش جدیدی به نام «PC-ALM» را به عنوان جایگزینی محلی برای الگوریتم پسانتشار در یادگیری عمیق معرفی کردند که الهامگرفته از نحوه پردازش اطلاعات در مغز است. یادگیری عمیق استاندارد بر اساس پسانتشار عمل میکند که نیازمند هماهنگی دقیق زمانبندی و فازهای متوالی است؛ فرایندی که پیادهسازی آن در سیستمهای توزیعشده مانند مغز انسان ناممکن به نظر میرسد. روش جدید PC-ALM با تجهیز هر لایه به یک سیستم کنترل بازخوردی پویا، امکان آموزش شبکههای عصبی عمیق تا ۱۰۰۰ لایه را بدون نیاز به پسانتشار فراهم میکند. نتایج آزمایشها نشان میدهد که این رویکرد محلی عملکردی نزدیک به پسانتشار سنتی دارد و مشکل افت سیگنال را در شبکههای عمیق برطرف میکند. این دستاورد میتواند راه را برای توسعه هوش مصنوعی کممصرف بر روی سختافزارهای عصبیریخت هموار سازد.
