Zeitlicher Kontrastives Lernen durch impliziten Nicht-Gleichgewichts-Speicher

Künstliche neuronale Netze können aufgrund der hochentwickelten digitalen Hardware, auf der sie laufen, mit Backpropagation trainiert werden. Hier zeigen die Autoren, wie viele einfache physikalische Systeme autonom trainiert werden können, komplexe Berechnungen durchzuführen, ohne mit irgendeiner digitalen Hardware interagieren zu müssen.