PulseAugur
中
实时 04:06:12
English(EN) Self-Motivated Growing Neural Network for Adaptive Architecture via Local Structural Plasticity

新的SMGrNN模型在学习过程中适应神经网络架构

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出了一种新颖的梯度训练控制器——自激励生长神经网络（SMGrNN），该控制器旨在在学习过程中动态调整其架构。与需要预定义容量的传统多层感知机不同，SMGrNN利用结构可塑性模块（SPM）实时监控权重更新统计数据并触发神经元插入或修剪。在控制基准上的评估表明，SMGrNN以更低的方差和适合任务的网络规模实现了相当或更优的回报，突显了梯度训练网络中局部结构可塑性的独立价值。 AI

影响 引入了一种新颖的自适应神经网络架构方法，有望提高控制任务的效率和性能。

排序理由 该集群包含一篇详细介绍新神经网络架构及其评估的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

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

新的SMGrNN模型在学习过程中适应神经网络架构

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Yiyang Jia, Chengxu Zhou ·

    用于自适应架构的自驱动生长神经网络，通过局部结构可塑性实现

    arXiv:2512.12713v2 Announce Type: replace-cross Abstract: Control policies are often implemented with fixed-capacity multilayer perceptrons trained by backpropagation, which require architecture selection in advance and cannot adapt their capacity during learning. This paper intr…

相关实体

相关话题