首页
学习
活动
专区
工具
TVP
发布

麻省理工学院揭示了一种用于求解复杂方程的新型更快AI算法

研究人员解决了两个神经元通过突触相互作用背后的微分方程,创造了一种更快的人工智能算法

人工神经元的概念图

人工智能使用一种称为人工的技术 神经网络(ANN)模仿人脑的工作方式。神经网络使用 从数据集输入以“学习”并根据给定的输出其预测 信息。

近日,世界顶尖大学-麻省理工学院的研究人员 计算机科学与人工智能实验室(MIT CSAIL)发现了一个 求解“液体”神经算法中使用的方程的更快方法 神经元。

液体神经元

2021年1月,麻省理工学院 美国的研究人员构建了“液体”神经神经元,这些神经元受到启发 由小物种的大脑。它被认为是“液体”,因为算法 可以通过更改 接收新数据时的方程式。换句话说,算法可以成为 流体像水一样,并随着液体自我调整而调整自身变化 对象。

“液体”神经网络的灵活性创造了更好的 需要连续数据的各种任务的决策估计。“这是机器人未来的一个方向。 控制、自然语言处理、视频处理 — 任何形式的时间 系列数据处理,“CSAIL的研究附属机构Ramin Hasani博士说。 以及去年研究的主要作者。“潜力真的很大 意义重大。

研究小组注意到这些模型很昂贵,因为 神经元的数量和概要需要昂贵、笨重的计算机程序 解决算法所需的核心数学问题。数学问题变成了 由于方程的大小,求解变得越来越困难,通常 需要许多计算步骤才能找到解决方案并获得答案。

创建更快的 AI 算法

研究人员 一年前首次创造“液体神经元”的人发现了一种减少 通过求解后面的微分方程来解决瓶颈的复杂性 两个神经元通过突触的相互作用。微分方程允许 用于计算世界的状态或时间内的现象,因为它 循序渐进,而不仅仅是从头到尾。

这使他们能够解锁一种新型的更快的人工 智能算法。这些模式具有与液体相同的特性 神经网络,因为它们是灵活的、基本的和可解释的,但是 创新因素是它们更快且可扩展。液体神经网络是 神经网络,在“学习”信息后可以调整其行为 输入数据。

新网络的表现优于同行

新网络被命名为“封闭形式” 连续时间“(CfC)神经网络。它的表现已经超过了各种 其他人工神经网络在预测和完成任务方面 并且在识别人类活动方面具有更高的速度和性能 运动传感器,模拟步行机器人的物理动力学建模,以及 基于事件的顺序图像处理。至于医学预测,新的原型 对 8,000 名患者进行采样的速度比同类患者快 220 倍。

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20221118A00TP600?refer=cp_1026
  • 腾讯「腾讯云开发者社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 cloudcommunity@tencent.com 删除。

相关快讯

扫码

添加站长 进交流群

领取专属 10元无门槛券

私享最新 技术干货

扫码加入开发者社群
领券