树架构的学习被证明优于卷积前馈网络

树架构的学习被证明优于卷积前馈网络 2023-01-31 13:42:55 860

易百纳社区

基于树突树的简单神经网络方案(左)与复杂的人工智能深度学习架构(右)

传统上,人工智能源于人脑动力学。然而,与深度学习(DL)相比,大脑学习在许多重要方面受到限制。首先,高效的深度学习布线结构(架构)由数十个前馈(连续)层组成,而大脑动力学仅由几个前馈层组成。其次,DL架构通常由许多连续的过滤器层组成,这对于识别其中一个输入类至关重要。

例如,如果输入是汽车,则第一个过滤器识别车轮,第二个过滤器识别门,第三个过滤器亮起,经过许多其他过滤器后,很明显输入对象确实是汽车。相反,大脑动力学只包含一个靠近视网膜的过滤器。最后一个必要的组成部分是数学复杂的深度学习训练程序,这显然远远超出了生物学的实现。

大脑在精确数学 运算的实现有限的情况下,能否与在快速并行计算机上实现的先进人工智能系统竞争?根据我们的日常经验,我们知道对于许多任务,答案是肯定的。为什么会这样,既然是肯定的答案,人们能构建一种受大脑启发的新型高效人工智能吗?在今天发表在《科学报告》上的一篇文章中,以色列巴伊兰大学的研究人员解决了这个难题。

“我们已经证明,在人工树架构上进行高效学习,其中每个权重都有一条通往输出单元的单一路线,可以实现比以前由更多层和过滤器组成的DL架构实现的更好的分类成功率。这一发现为高效,生物学启发的新AI硬件和算法铺平了道路,“Bar-Ilan物理系和Gonda(Goldschmied)多学科脑研究中心的Ido Kanter教授说。

“高度修剪的树结构代表了朝着通过单个或多个神经元高效树突树学习的合理生物学实现迈出的一步,降低了复杂性和能耗,并实现了反向传播机制的生物学实现,这是目前人工智能的核心技术,”博士生Yuval Meir补充道。

声明:本文内容由易百纳平台入驻作者撰写,文章观点仅代表作者本人,不代表易百纳立场。如有内容侵权或者其他问题,请联系本站进行删除。
红包 1 1 评论 打赏
评论
0个
内容存在敏感词
手气红包
    易百纳技术社区暂无数据
相关专栏
置顶时间设置
结束时间
删除原因
  • 广告/SPAM
  • 恶意灌水
  • 违规内容
  • 文不对题
  • 重复发帖
打赏作者
易百纳技术社区
您的支持将鼓励我继续创作!
打赏金额:
¥1易百纳技术社区
¥5易百纳技术社区
¥10易百纳技术社区
¥50易百纳技术社区
¥100易百纳技术社区
支付方式:
微信支付
支付宝支付
易百纳技术社区微信支付
易百纳技术社区
打赏成功!

感谢您的打赏,如若您也想被打赏,可前往 发表专栏 哦~

举报反馈

举报类型

  • 内容涉黄/赌/毒
  • 内容侵权/抄袭
  • 政治相关
  • 涉嫌广告
  • 侮辱谩骂
  • 其他

详细说明

审核成功

发布时间设置
发布时间:
是否关联周任务-专栏模块

审核失败

失败原因
备注
拼手气红包 红包规则
祝福语
恭喜发财,大吉大利!
红包金额
红包最小金额不能低于5元
红包数量
红包数量范围10~50个
余额支付
当前余额:
可前往问答、专栏板块获取收益 去获取
取 消 确 定

小包子的红包

恭喜发财,大吉大利

已领取20/40,共1.6元 红包规则

    易百纳技术社区