新的输入锚定逻辑门网络提升深度可扩展性

研究人员引入了输入锚定逻辑门网络（IALGNs），以解决传统逻辑门网络（LGNs）在深度可扩展性方面的限制。与现有难以从增加深度中获益（由于优化崩溃或拓扑约束）的LGNs不同，IALGNs在每个门中都包含一个直接的输入锚定。这种设计确保了更深的层仍然以原始输入为条件，保留了计算主干，并实现了信息量逐渐增加的表示。在MNIST、CIFAR-10和CIFAR-100数据集上的实验表明，IALGNs在超过100层时实现了持续的深度-准确性提升，性能优于其他饱和或退化的LGN拓扑。 AI

影响 引入了一种新的架构，提高了逻辑门网络的可扩展性，有可能实现更深、更复杂的计算。

排序理由 该集群包含一篇详细介绍新型神经网络架构的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• arXiv
• CIFAR-10
• CIFAR-100
• Input-Anchored Logic Gate Networks
• Logic Gate Networks
• MNIST

• 论文
• 模型发布

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →