- 神经进化电子动态网络
利用动态和部分重构能力强大的现代可编程门阵列作为神经进化动态神经网络的强大平台的潜力得到了本研究的实证。
- 动态训练和可定制推断的弹性神经网络
通过动态神经网络的方法，我们提出了一种训练大型网络并在推理阶段从中提取子网络的简单方式，以满足模型尺寸或复杂性约束，实验证明该方法可以在单个大型模型中显著缩短训练时间，并在不同子网络尺寸和复杂性上有效提高分离性能。
- 神经网络动态推理的早期分类
该研究论文介绍了一种基于类别排除的动态推理方法，通过在中间层分配分类器并利用其学习到的特征排除尽可能多的无关类别，从而显著降低深度神经网络在推理中的计算成本。
- DyCL: 通过程序重写和图优化实现动态神经网络编译
提出一种名为 “ool” 的方法，通过程序分析和转换技术将动态神经网络转化为多个子神经网络，使得现有的 DL 编译器成功编译动态神经网络实现更好的性能。
- 进化人工神经网络模仿《忍者神龟》之忍者大师三回归中的人类行为
本文通过开发新的方法并利用强大的计算资源，研究了进化算法和动态神经网络，并发现这些技术在多个基准测试中表现出色，并且在某些任务上达到类似于人类的水平。
- GradMDM: 动态网络的对抗性攻击
本研究旨在探讨动态神经网络对能源导向攻击的鲁棒性，特别是采用我们的新算法 GradMDM 攻击动态模型，结果显示 GradMDM 可显著提高计算复杂性同时减少扰动的可感知性。
- 利用策略网络信息对动态神经网络发起一种新颖的成员推理攻击
本文提出了一种针对动态神经网络的成员推理攻击方法，利用其独特的策略网络机制提高攻击效率，并在四个主流图像分类任务上进行了广泛实验，控制流信息可以显著提高攻击效果。
- ACL自然语言处理中动态神经网络的调查
通过动态神经网络中的 skimming 这个研究方向，可以很好地解决预训练语言模型参数过多的问题，实现神经网络的有效扩展，为处理自然语言提供有效的支持。
- 动态计算图中即时操作批处理
该论文介绍了在动态神经网络工具包 DyNet 中为自动批处理操作而注入的算法，并通过多项任务验证它可获得类似于手动批处理操作的通过效率和相当的加速。