会员服务
人工神经网络（Artificial Neural Network，即ANN ），是20世纪80 年代以来人工智能领域兴起的研究热点。它从信息处理角度对人脑神经元网络进行抽象， 建立某种简单模型，按不同的连接方式组成不同的网络。在工程与学术界也常直接简称为神经网络或类神经网络。神经网络是一种运算模型，由大量的节点（或称神经元）之间相互联接构成。每个节点代表一种特定的输出函数，称为激励函数（activation function）。每两个节点间的连接都代表一个对于通过该连接信号的加权值，称之为权重，这相当于人工神经网络的记忆。网络的输出则依网络的连接方式，权重值和激励函数的不同而不同。而网络自身通常都是对自然界某种算法或者函数的逼近，也可能是对一种逻辑策略的表达。 最近十多年来，人工神经网络的研究工作不断深入，已经取得了很大的进展，其在模式识别、智能机器人、自动控制、预测估计、生物、医学、经济等领域已成功地解决了许多现代计算机难以解决的实际问题，表现出了良好的智能特性。
Recurrent Graph Neural Networks and Arithmetic Circuits
Arxiv
0+阅读 · 5月4日
Machine Learning as Iterated Belief Change a la Darwiche and Pearl
Arxiv
0+阅读 · 5月3日
L-System Genetic Encoding for Scalable Neural Network Evolution: A Comparison with Direct Matrix Encoding
Arxiv
0+阅读 · 5月4日
Deep learning-based pavement performance modeling using multiple distress indicators and road work history
Arxiv
0+阅读 · 5月3日
Singular Bayesian Neural Networks
Arxiv
0+阅读 · 5月3日
MetaErr: Towards Predicting Error Patterns in Deep Neural Networks
Arxiv
0+阅读 · 5月3日
Pixel-Translation-Equivariant Quantum Convolutional Neural Networks via Fourier Multiplexers
Arxiv
0+阅读 · 4月7日
CODO: An Automated Compiler for Comprehensive Dataflow Optimization
Arxiv
0+阅读 · 4月14日
Onyx: Cost-Efficient Disk-Oblivious ANN Search
Arxiv
0+阅读 · 4月22日
Universal Approximation Constraints of Narrow ResNets: The Tunnel Effect
Arxiv
0+阅读 · 3月30日
On the Convergence Analysis of Muon
Arxiv
0+阅读 · 4月14日
Quantitative Verification with Neural Networks
Arxiv
0+阅读 · 4月14日
Boosting Brain-inspired Path Integration Efficiency via Learning-based Replication of Continuous Attractor Neurodynamics
Arxiv
0+阅读 · 4月10日
Robustness Verification of Polynomial Neural Networks
Arxiv
0+阅读 · 4月17日
MATCHA: Efficient Deployment of Deep Neural Networks on Multi-Accelerator Heterogeneous Edge SoCs
Arxiv
0+阅读 · 4月10日
参考链接
微信扫码咨询专知VIP会员
Top