研究人员已经证明,对比局部学习网络(CLLNs),一种在模拟电路中实现的机器学习类型,可以扩展到更大的任务,并且尽管存在硬件缺陷,仍然保持鲁棒性。通过使用局部电压对比进行适应而不是反向传播误差,这些非线性模拟电路在 Ionosphere 数据集和手写数字等基准测试中达到了与数字方法相当的精度。该研究还展示了一个 CLLN 能够在一个 122 个词汇的语料库上进行自回归语言生成,确立了大规模模拟电路中局部学习的可行性。 AI
影响 通过利用模拟电路物理进行计算,展示了更节能的 AI 硬件的潜在途径。
排序理由 详细介绍模拟电路中机器学习新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- CatalyzeX
- Contrastive local learning networks
- DagsHub
- Gotit.pub
- Hugging Face
- Ionosphere
- ScienceCast
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →