计算机科学 > 神经与进化计算
[提交于 2025年1月8日
]
标题: 扁虫神经网络:从基础两侧对称动物演变出的现代人工神经网络架构的进化模式
标题: Planarian Neural Networks: Evolutionary Patterns from Basic Bilateria Shaping Modern Artificial Neural Network Architectures
摘要: 本研究考察了通过开发具有类似生物神经网络进化模式的人工神经网络(ANNs)来提高图像分类任务中人工神经网络预测准确性的可行性。 ResNet 是一个广泛使用的神经网络家族,既有深度变体也有宽度变体;因此,它被选为本研究的基准模型。 本研究的目的是通过一种受涡虫生物神经系统结构启发的新方法,提高人工神经网络在图像分类中的性能,该结构包括一个大脑和两条神经索。 我们认为,涡虫独特的神经结构为人工神经网络性能的提升提供了有价值的见解。 基于涡虫神经结构的神经网络在 CIFAR-10 和 CIFAR-100 数据集上进行了评估。 我们的结果表明,所提出的方法在图像分类任务中的预测准确性高于基线神经网络模型。 这些发现证明了生物启发的神经网络架构在提高人工神经网络在各种应用中的性能方面具有显著潜力。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.