BriefGPT - AI 论文速递
·
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。
📝
内容提要
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。
🎯
关键要点
- 本研究提出了一种名为X-Net的新型神经网络。
- X-Net通过交替反向传播机制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。
- X-Net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，减少计算成本。
- X-Net的参数数量仅为基准的3%，某些任务下仅为1.4%。
- X-Net在拟合任务上可以实现平均R^2=0.985。
- X-Net在社会、能源、环境和航空航天等多个学科的数据上取得了优异的结果。
➡️
