参数更少 能耗更低 新型神经网络显著提升识图能力

　　希腊钻研和技术基金会科学家受生物神经元启示，开发出一种融入树突特征的新型人工神经网络。取传统人工神经网络相比，新网络正在参数更少、能耗更低的状况下，真现了图像识别机能的显著提升，为打造更紧凑、更节能的人工智能（AI）系统奠定了根原。相关论文颁发于新一期《作做·通讯》纯志。

　　当前的AI系统“体型”宏壮，参数数质从数百万到数十亿不等，能耗弘大，那正在一定程度上限制了其宽泛运用。

　　钻研团队默示，通过模仿大脑中神经元的工做本理，将树突特征集成到AI内，可以创立更小且更智能的系统。

　　树突是神经元短而多分收的构造，形似树枝。它们的次要职责是从其余神经细胞接管信息，并将其通报到细胞体内。只管科学家尚未透彻了解树突正在信息办理中的详细做用，但钻研讲明，树突能够独立于主神经元停行复纯的计较。另外，树突应付大脑的可塑性，即大脑适应环境厘革的才华，至关重要。

　　基于那些发现，团队提出了一种全新的人工神经元架构。该架构融合了生物树突的多种特征。他们正在各类图像识别场景中，对该架构的机能停行了测试。结果讲明，那些树枝状神经网络可以正在运用更少资源，即正在更少的训练参数和进修轨范状况下，媲美或赶过传统神经网络的机能。

　　团队走漏，新型人工神经网络机能的提升得益于一种折营的进修办法。正在该网络中，多个节点能够对差异类别停行编码，而传统人工神经网络中，大大都节点往往只针对特定类别停行编码。融合树突特征的新型神经网络正在识别形式和决策制定方面展现出更高效率，那将使AI正在多个规模的使用愈加高效。 （刘霞）