arXiv · ML· Kohei Tsuchiyama, Andre Roehm, Takatomo Mihana, Ryoichi Horisaki·· 2026-10-07AI 评分20
物理神经网络中的时隙分层复用:TIDAL-Net
Time-multiplexed layer reuse for physical neural networks
AI 导读
针对物理神经网络(PNN)规模受限及权重调整缓慢的瓶颈,研究提出TIDAL-Net架构。 该架构位于循环与深度网络之间,通过层间时分复用利用时间尺度分离增加有效深度。 数值实验表明,仅对传统PNN做轻微修改即可在图像分类和自然语言处理任务中提升性能。
来源:arXiv · ML · arxiv.org