Loading...
机构名称:
¥ 1.0

机器学习和人工智能取得了令人瞩目的进步,但却是以大量的计算资源和能源消耗为代价的。这迫切需要一种新型的、节能的计算结构来取代目前的计算管道。最近,一种有前途的方法出现了,即模仿大脑中的脉冲神经元,利用 CMOS 上的振荡器进行直接计算。在这种情况下,我们提出了一种在 CMOS 振荡器网络(OscNet)上实现的新型节能机器学习框架。我们使用 OscNet 模拟胎儿大脑视觉系统的发育过程,并根据受生物学启发的赫布规则更新权重。然后将相同的管道直接应用于标准机器学习任务。OscNet 是一种专门设计的硬件,本质上是节能的。它仅依靠前向传播进行训练,进一步提高了其能源效率,同时保持了生物学合理性。模拟验证了我们对 OscNet 架构的设计。实验结果表明,OscNet 上的 Hebbian 学习管道实现了与传统机器学习算法相当甚至超越其的性能,凸显了其作为节能高效计算范例的潜力。

arXiv:2502.07192v1 [cs.CV] 2025 年 2 月 11 日

arXiv:2502.07192v1 [cs.CV] 2025 年 2 月 11 日PDF文件第1页

arXiv:2502.07192v1 [cs.CV] 2025 年 2 月 11 日PDF文件第2页

arXiv:2502.07192v1 [cs.CV] 2025 年 2 月 11 日PDF文件第3页

arXiv:2502.07192v1 [cs.CV] 2025 年 2 月 11 日PDF文件第4页

arXiv:2502.07192v1 [cs.CV] 2025 年 2 月 11 日PDF文件第5页

相关文件推荐

2025 年
¥5.0