研究人员开发了NeuronSoup，这是一种新颖的神经计算架构，它偏离了传统的逐层处理。相反，它利用通过共享神经元池进行的异步、延迟介导的信号传播。该架构通过遗传算法演进，在使用冻结的ResNet18特征时，在MNIST数据集上达到了85.9%的准确率。NeuronSoup通过不要求可微分计算图并在每个样本的基础上调整其计算深度来解决当前深度学习的局限性。 AI
影响 引入了一种新颖的神经网络架构方法，该方法绕过了传统反向传播和同步处理。
排序理由 该集群包含一篇关于新神经计算架构的arXiv预印本。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2607.15217v1 Announce Type: cross Abstract: We present NeuronSoup, a neural computation architecture that replaces synchronous layer-by-layer processing with asynchronous, delay-mediated signal propagation through a pool of shared neurons. Each path in the network routes a …
We present NeuronSoup, a neural computation architecture that replaces synchronous layer-by-layer processing with asynchronous, delay-mediated signal propagation through a pool of shared neurons. Each path in the network routes a continuous-valued signal from one input neuron to …