Hyperspherical Forward-Forward (HFF)

深度分析

Hyperspherical Forward-Forward（HFF）：以超球面原型解決 Forward-Forward 的推論瓶頸

深度學習長期依賴反向傳播帶來運算與記憶負擔。HFF將每層投影到單位超球面，並以可學習的類別原型作為幾何錨點，將局部目標改寫為直接的多類別分類，實現單次前向推論並消除逐類別遍歷，傳導上超過40倍加速，ImageNetTop‑1表現逾25%且轉移學習達65.96%。