artificial neural networks | BriefGPT

关键词artificial neural networks

搜索结果 - 272

MTSA-SNN：基于脉冲神经网络的多模态时间序列分析模型
基于脉冲神经网络的多模态时间序列分析模型（MTSA-SNN）能够有效地分析复杂时间序列数据，并在多个任务中取得卓越性能。
PDF5 months ago
Adam 和随机梯度下降优化的全局最小值非收敛问题及人工神经网络训练中的局部最小值构建
在对使用 ReLU 和相关激活函数的浅层人工神经网络进行研究中，我们发现随机梯度下降（SGD）方法（如纯独立 SGD、动量 SGD、AdaGrad、RMSprop 和 Adam 优化器）高概率无法收敛到全局最小值，并证实了 ANN 训练问题
PDF5 months ago
基于摄像头的并行脉冲驱动变压器远程光电容识别
本文提出了一种基于脉冲神经网络的混合神经网络模型 Spiking-PhyFormer，该模型在保持性能的同时，相较于 PhysFormer 和其他基于 ANN 的模型降低了 12.4% 的功耗，并将变压器块的功耗降低了 12.2 倍。
PDF5 months ago
移动拼图游戏中的困难建模：基于玩家分析和模拟数据的不同方法的实证研究
游戏开发中，难度是玩家参与度的关键因素之一，本文通过模拟数据和队伍统计数据训练的人工神经网络是最准确的难度评估方法。
PDF5 months ago
用杨 - 巴克斯特方程和人工神经网络介导的量子错误缓解和校正
量子计算显示出巨大的潜力，但错误会带来重大挑战。本研究探索了使用人工神经网络（ANN）和杨 - 巴克斯特方程（YBE）减轻量子错误的新策略。与传统的计算密集型纠错方法不同，我们研究了人工错误调节。该文介绍了量子错误来源的基本知识，并探索了使
PDF5 months ago
ICLR学习动力学对泛化关系的重要性示例
基于已有研究的基础上，本文提出了一种标记伪神经切向核方法（lpNTK），该方法在测量样本之间的相互作用时考虑了标签信息，并证明了 lpNTK 在一定假设条件下以 Frobenius 范数为标准渐近接近于经验神经切向核。同时，本文还阐述了 l
PDF6 months ago
始终稀疏训练：引导随机探索下的连接增长
现代人工神经网络的过多计算需求为可以运行它们的机器带来了限制。我们提出一种高效的、始终稀疏训练算法，具有一流的大规模和更稀疏模型的线性时间复杂度，并通过引导随机探索算法改善了先前稀疏训练方法的准确性。
PDF6 months ago
深度内隐 - 显式最小移动方法在跳扩散模型中的期权定价
我们开发了一种新颖的深度学习方法，用于定价基于跳跃扩散动力学的欧式篮式期权。该方法以偏积分微分方程的形式表达期权定价问题，并通过一种新的隐式 - 显式最小化移动时间步进方法进行近似，其中每个时间步骤通过深度残差型人工神经网络（ANNs）进行
PDF6 months ago
能源负荷分解的综述研究
能源负荷分解可以通过增强需求侧管理的有效性和提高消费者意识来平衡电力网，并促进节电行为。本文通过评估 72 篇完整的期刊文章，对负荷分解领域、数据类型和方法进行了范围性回顾。研究发现，国内用电量是研究的重点领域，但其他领域如工业负荷分解很少
PDF6 months ago
利用生成对抗网络（GAN）从粒子探测器合成脉冲
我们提出了一个基于人工神经网络（GAN）的模型，用于在粒子探测器的电子发展过程中生成脉冲信号，保留真实脉冲信号的特性。我们描述了网络架构、训练方法以及使用 ${}^{137}$Cs 和 ${}^{22}$Na 源的闪烁体接收辐射的真实脉冲信
PDF6 months ago
SpiNNaker2：一种用于事件驱动和异步机器学习的大规模神经形态系统
SpiNNaker2 是一种数字神经形态芯片，用于可扩展机器学习，能够深度整合神经生物系统的计算原理，包括人工神经网络、仿生脉冲神经网络和基于事件的神经网络，并旨在促进未来一代机器学习系统的基于事件和异步算法的发展。
PDF6 months ago
LADRI: 基于学习的自动驾驶系统中的动态风险指标
这篇研究论文介绍了一种基于人工神经网络的实时动态风险评估框架，利用车载传感器数据分析和分类风险维度，将传统风险评估方法应用于智能交通系统，以提高自动驾驶系统的安全性能。
PDF6 months ago
AAAICoSS: 为数据高效的人体活动识别协同优化传感器和采样率
通过设计可训练参数来优化传感器模式和采样率的选择，我们提出了一个实用的框架，用于在边缘设备上实现高效的人体活动识别任务，并通过实验证明了该框架在减少硬件成本的同时能够保持与最高采样率和全传感器配置相似的分类性能。
PDF6 months ago
一种新的神经计算范式：具有可学习神经元和适应结构的 X-Net
本研究提出了一种名为 X-Net 的新型神经网络，通过使用交替反向传播机制，在训练过程中根据导数信息动态选择适当的激活函数，增强网络对特定任务的表示能力。同时，在神经元级别准确调整网络结构以适应不同复杂度的任务和减少计算成本。通过一系列实验
PDF6 months ago
Spiker+: 边缘推理用高效 Spiking 神经网络 FPGA 加速器生成框架
Spiker + 是一个在 FPGA 上生成高效、低功耗、低面积的定制化脉冲神经网络（SNN）加速器的综合框架，在边缘进行推断。它通过配置多层硬件 SNN、高效的神经元架构库和设计框架，以极少量的 Python 代码开发复杂的神经网络加速器
PDF6 months ago
崛起学习：由新兴能力和单义性基础的研究
通过研究不同规模的模型，我们发现在大型模型中达到更高性能的关键因素是单语义神经元的减少，提出了一种主动抑制单语义性的两阶段方法，并通过理论分析和实验证明了其有效性。该方法的适用性不限于大规模，但对于研究部门来说，将该研究扩展至非常大规模的数
PDF7 months ago
人工神经网络与人类概念的表征
人工神经网络在复杂预测任务中能够学习人类和非人类概念，但证据表明它们不以个别单元形式表示这些概念。
PDF7 months ago
在 SpiNNaker 上使用脉冲神经网络，通过 STDP 和稳态调节进行空间特征的监督学习
该论文介绍了一种在脉冲神经网络（SNN）上执行监督学习的新方法，通过使用时序相关可塑性（STDP）和稳态调节训练网络以识别空间模式，该方法通过 SpiNNaker 数字架构进行测试，结果表明 SNN 能够以高准确率识别单个训练模式，但当训练
PDF7 months ago
脑启发的机器智能：神经生物学可行的信用分配综述
通过对受神经生物学启发或影响的人工神经网络中进行信用分配的算法的调查，我们提出了一个分类法，根据学习算法回答复杂自适应神经系统突触可塑性机制的核心问题的方式，整理了不断增长的大脑启发学习过程集合为六个通用家族，并在反向传播和其已知批评的背景
PDF7 months ago
化学反应流中主成份传输源项预测的迁移学习
通过使用各种迁移学习模型来预测氢 / 空气混合物的均相点火过程数据驱动的降阶模型的化学源项等目标，本研究评估了是否可以减少所需的训练样本数量。
PDF7 months ago