研究人员开发了DeNA-SGN,一种用于神经形态硬件上图学习的新颖方法。该方法集成了确定性邻域聚合和学习分类器,实现了高效准确的推理。DeNA-SGN在Amazon Photo、Wiki-CS和Cora等数据集上表现出色,在保持与传统ANN决策匹配的同时,实现了具有竞争力的准确性。 AI
影响 在专用神经形态硬件上实现更高效、更准确的图分类。
排序理由 该集群包含一篇arXiv论文,详细介绍了神经形态硬件上图学习的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
在 arXiv cs.NE (Neural & Evolutionary) 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →