研究人员开发了一种新颖的受物理启发的能量模型，称为Kohn-Sham谱嵌入（KSSE），用于图像分类。KSSE用在特定温度下评估的稀疏图谱嵌入取代了传统的卷积神经网络（CNN）。该方法利用了随机键Ising模型和随机矩阵理论的概念来优化图拓扑并分析分形学习景观。在ImageNet-1000上的实验中，KSSE取得了88.93%的Top-1准确率，并且参数数量远少于Swin-L和ViT-H/14等模型。 AI
影响 这种新颖的方法可能带来更具参数效率的图像分类模型，从而可能降低计算成本并支持在资源受限设备上的部署。
排序理由 该集群包含一篇详细介绍新模型及其在基准数据集上性能的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
