研究人员开发了一种压缩Tsetlin机中循环反馈的新方法,旨在提高小型设备上的序列推理能力。该方法使用异或(XOR)折叠来减小循环连接的宽度,并在两个时间尺度上保留折叠位,然后将它们阈值化为二元状态。在布尔有限状态机基准上的评估表明,与原始反馈相比,压缩模型实现了约61-63%的准确率,对性能的影响最小,但执行时间和循环宽度显著减少。 AI
影响 这项压缩技术可以实现资源受限设备上更高效的序列推理,有可能拓宽Tsetlin机的应用范围。
排序理由 该集群包含一篇关于Tsetlin机新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- Boolean finite-state-machine
- Gated neural models
- Hugging Face
- Recurrent Tsetlin Machine
- Tsetlin machines
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →