这个新型AI电子器件没有硅！能模拟大脑神经元，(2)

研究人员继续使用了手写数字识别这一数据集来进行测试。

首先，他们让网络识别0-4范围内的数字。然后将范围扩大到0-9训练一段时间，之后再只识别0-4。

结果显示，随着后来5-9的数字不再出现，网络中的相关节点也在逐渐关闭。

下图i-iii中，数字表示对应打开节点，黑色区域则表示关闭的节点。

再将这一动态神经网络与静态网络对比，研究人员发现在增量学习场景下，对于MNIST、CUB-200两个数据集，动态网络的表现都更好。

从如下图B-E中可以看到，在MINIST数据集测试中，动态网络最终准确性是静态网络的2.1倍；数据集CUB-200的最终准确性则是静态网路的2.5倍。

北航张海天教授为共同一作及通讯作者

北京航空航天大学张海天教授为该论文的共同一作及通讯作者。

他博士毕业于美国宾夕法尼亚州立大学材料科学与工程专业。

2018年获得美国吉尔布雷斯学者基金（Gilbreth Research Fellow），于普渡大学工程院开展独立研究工作（合作教授：Shriram Ramanathan以及Kaushik Roy）。

去年9月，张海天全职加入北京航空航天大学材料科学与工程学院。

主要研究领域为功能相变材料的调控及神经计算学器件应用、磁性功能材料、纳米材料等。

论文链接：

量子位 QbitAI · 头条号签约

文章来源：《电子元件与材料》 网址: http://www.dzyjyclzz.cn/zonghexinwen/2022/0209/914.html