CONSTRAINED WEIGHT INFERENCE FOR ONLINE DISTRIBUTED LEARNING

A computer system comprising an artificial neural network comprising a plurality of units to learn a certain task, wherein the units are directionally connected and the network as a whole is organized to generate an output based on an input. The neural network is configured to calculate (303) an internal state value for each unit of the neural network, based on output values of the other units of the neural, weights associated with the directional connections in the neural network acting between pairs of units, and a perturbation value associated with each unit of the neural network, wherein the output value of a subset of units of the network corresponds to an input value of the neural network and the output values of a different subset of units comprise the output of the neural network. Un système informatique comprend un réseau neuronal artificiel comprenant une pluralité d'unités pour apprendre une certaine tâche, les unités étant reliées de manière directionnelle et le réseau dans son ensemble étant organisé pour générer une sortie sur la base d'une entrée. Le réseau neuronal est configuré pour calculer (303) une valeur d'état interne pour chaque unité du réseau neuronal, sur la base des valeurs de sortie des autres unités du réseau neuronal, des poids associés aux connexions directionnelles dans le réseau neuronal agissant entre des paires d'unités, et une valeur de perturbation associée à chaque unité du réseau neuronal, la valeur de sortie d'un sous-ensemble d'unités du réseau correspondant à une valeur d'entrée du réseau neuronal et les valeurs de sortie d'un sous-ensemble différent d'unités comprenant la sortie du réseau neuronal.