MIMONets: 多输入多输出神经网络利用超位运算
原文中文，约300字，阅读约需1分钟。发表于：。利用深度学习的进展，本研究提出了 Multiple-Input-Multiple-Output Neural Networks (MIMONets) 的概念，通过超定的计算来降低推理成本，并在动态参数范围内实现准确率与吞吐量的权衡。MIMONets 应用于 CNN 和 Transformer 架构，分别命名为 MIMOConv 和 MIMOFormer，并通过实证评估验证了它们的高速和准确性。
本文介绍了全连接的多层网络和特别设计的检测网络（DetNet）两种不同的深度神经网络结构，比较了它们的准确性和运行时间，并成功实现了最先进的性能。证明这些网络可以被修改为产生软决策。
