• Российские ученые разработали новую модель биполярного морфологического нейрона для ИИ.
• Новая структура сокращает количество вычислительных веток с четырех до одной.
• Метод обучения может повысить вычислительную эффективность нейронных сетей.
• Большая часть современных систем ИИ основана на «классических» нейронах с операциями сложения и умножения.
• Биполярные морфологические нейроны заменяют умножение на операцию взятия максимума, обеспечивая энергоэффективность.
• Разработана новая модель биполярного морфологического нейрона и подход для обучения на ее базе.
• Метод дистилляции знаний используется для передачи информации от «учительской» сети к ученической.
• Разработанные аналоги LeNet и ResNet-22 показали сопоставимую с классическими моделями точность.
• В перспективе, это позволит создать экономичные аналоги других алгоритмов с большим количеством вычислительных ресурсов.