研究人员开发了低功耗模拟神经网络，它们利用受Kolmogorov-Arnold网络启发的、可训练的非线性连接。这些网络直接利用模拟器件物理进行计算，将可训练的非线性函数作为模拟带通滤波器放置在每个连接上。虽然它们对于涉及平滑、连续值（如机器人运动学和控制）的任务有效，但它们不提供分类任务的参数效率。这些网络已成功转移到硬件上，并具有量化的保真度，预计功耗非常低。 AI
影响 这项研究可能为连续控制任务带来更节能的AI硬件。
排序理由 该集群包含一篇学术论文，详细介绍了神经网络架构和硬件实现的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- CMOS
- Eleni Vasilaki
- field-programmable analogue arrays
- Kolmogorov-Arnold Networks
- Memristive Probabilistic Computing
- multilayer perceptron
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
