冯·诺依曼网络提供参数高效的AI，性能优于深度学习变体

研究人员引入了一种新型人工智能神经元，称为冯·诺依曼神经元，其灵感来源于约翰·冯·诺依曼二十世纪中叶的计算模型。这些神经元组织成冯·诺依曼网络（VNNs）后，能够学习专门的角色，并根据输入和输出配置进行自我工程化其架构。VNN框架通过在细胞拓扑上进行卷积来扩展神经算子并学习格林函数，在基本任务上展示了优于传统深度学习模型的性能和参数效率。 AI

影响 引入了一种受历史计算模型启发的全新神经网络架构，可能为高效学习和任务泛化提供新的途径。

排序理由 介绍新型神经网络架构和神经元类型的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• Cellular Machines
• deep learning
• Green's functions
• John von Neumann
• multi-layered perceptrons
• Von Neumann Networks
• Von Neumann neuron

• 论文
• 其他

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