English(EN) Time-multiplexed layer reuse for physical neural networks

TIDAL-Net 通过层重用提升物理神经网络深度

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-11 04:00

研究人员开发了一种名为 TIDAL-Net 的新型物理神经网络 (PNN) 架构，以解决其与数字神经网络相比规模有限的问题。这种新设计通过在时间上重用层，在不按比例增加硬件成本的情况下有效地增加了网络的深度。实验表明，TIDAL-Net 在图像分类和自然语言处理任务上以对现有 PNN 原型进行最小的改动来提升性能。 AI

影响增强了物理神经网络的能力，有可能在专用硬件上实现更复杂的任务。

排序理由关于物理神经网络新模型架构的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

Kohei Tsuchiyama

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

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Kohei Tsuchiyama, Andre Roehm, Takatomo Mihana, Ryoichi Horisaki · 2026-06-11 04:00

Time-multiplexed layer reuse for physical neural networks

arXiv:2511.00044v3 Announce Type: replace Abstract: Physical neural networks (PNNs) are promising candidates for next-generation computing, but existing demonstrations remain several orders of magnitude smaller than modern digital neural networks, whose recent advances have been …

报道来源 [1]

Time-multiplexed layer reuse for physical neural networks

相关话题