研究者提出基于Winfree动力学的振荡神经网络WONN
热点事件持续更新
研究者提出基于Winfree动力学的振荡神经网络WONN
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Jiawen Dai 和 Yue Song 在 arXiv 论文（arXiv:2605.20922，v2）中提出 WONN，一种基于广义 Winfree 动力学的振荡神经网络，通过环面上的相位交互演化表示，作者称其为首个可竞争性扩展到 ImageNet-1K 的同步型振荡架构。 论文报告称，WONN 在 CIFAR、ImageNet、Maze-hard 和 Sudoku 等任务上取得有竞争力或更优的表现；其中在 Maze-hard 上仅用此前最优模型 1% 的参数即达到 80.1% 的准确率。上述表现均为论文中的说法，尚属作者自述结果。
AI 根据报道生成 · 1 小时前更新
最新进展11月14日 13:00
Winfree 振荡神经网络（WONN）在 ImageNet 等基准上实现可扩展的高参数效率表现报道时间线
沿着报道，了解事件的不同侧面。
11月14日
- arXiv cs.AIWinfree 振荡神经网络（WONN）在 ImageNet 等基准上实现可扩展的高参数效率表现
研究者提出基于广义 Winfree 动力学的振荡神经网络 WONN，通过环面 $(S^1)^d$ 上的相位交互演化表示。WONN 在 CIFAR、ImageNet、Maze-hard 和 Sudoku 等任务上取得有竞争力或更优的表现，据称是首个可竞争性扩展到 ImageNet-1K 的同步型振荡架构。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。