NeuronSoup

NeuronSoup架构在没有反向传播的情况下演进时间图

研究人员开发了NeuronSoup，这是一种新颖的神经计算架构，它偏离了传统的逐层处理。相反，它利用通过共享神经元池进行的异步、延迟介导的信号传播。该架构通过遗传算法演进，在使用冻结的ResNet18特征时，在MNIST数据集上达到了85.9%的准确率。NeuronSoup通过不要求可微分计算图并在每个样本的基础上调整其计算深度来解决当前深度学习的局限性。