一种新的神经计算范式：具有可学习神经元和适应结构的 X-Net
原文中文，约400字，阅读约需1分钟。发表于：。本研究提出了一种名为 X-Net 的新型神经网络，通过使用交替反向传播机制，在训练过程中根据导数信息动态选择适当的激活函数，增强网络对特定任务的表示能力。同时，在神经元级别准确调整网络结构以适应不同复杂度的任务和减少计算成本。通过一系列实验，我们展示了 X-Net 在减小模型大小和提高表示能力方面的双重优势。具体而言，就参数数量而言，X-Net 的平均值仅为基准的 3％，某些任务下仅为...
本研究提出了一种名为X-Net的新型神经网络，通过交替反向传播机制选择适当的激活函数，增强网络对特定任务的表示能力。X-Net的参数数量仅为基准的3％，在拟合任务上可以实现平均R^2=0.985。X-Net在多个学科的数据上取得了优异的结果。
