एक अध्ययन दिखाता है कि एक साधारण मोंटे कार्लो एल्गोरिदम ग्रेडिएंट्स या बैकप्रोपगेशन पर निर्भर किए बिना गहरी तंत्रिका नेटवर्कों को प्रभावी ढंग से प्रशिक्षित कर सकता है। इस विधि में पैरामीटर का यादृच्छिक उत्परिवर्तन शामिल है और केवल तभी परिवर्तनों को बनाए रखा जाता है यदि हानि कम होती है, जिससे यह विलुप्त होने और विस्फोटक ग्रेडिएंट समस्याओं से बच सकता है।
- यह दृष्टिकोण एकल GPU पर काम करता है और बैच नॉर्मलाइजेशन या अवशेष कनेक्शन की आवश्यकता नहीं होता है।
- यह शुद्ध प्रuning प्रशिक्षण, डिस्क्रीट वजन और गॉसियन जैसी असाधारण ट्रांसफर फंक्शंस का समर्थन करता है।
- 20 से अधिक परतों वाली नेटवर्क, 16,384 न्यूरॉन्स वाली चौड़ी नेटवर्क और MNIST व Tiny Shakespeare पर एक Transformer पर इसकी संभावना दिखाई गई।
यह ग्रेडिएंट-मुक्त विधि तंत्रिका नेटवर्क के स्वयं-संगठन पर एक पूरक दृष्टिकोण प्रदान करती है और भौतिक रूप से प्रेरित गहरे शिक्षा प्रणालियों को बनाने के लिए एक वैकल्पिक मार्ग प्रस्तुत करती है।