محققان گام بزرگی برای حل یکی از چالشهای قدیمی در دنیای هوش مصنوعی برداشتهاند. تا پیش از این، شبکههای گیت منطقی (LGN) با افزایش عمق (تعداد لایهها)، کارایی خود را از دست میدادند.
اما حالا با معرفی ساختار جدیدی به نام «IALGN» (شبکههای گیت منطقی با لنگر ورودی)، مشکل آموزشپذیری این مدلها حل شده است. در این روش، هر لایه به دادههای ورودی اصلی متصل میماند که باعث میشود شبکه حتی در مدلهای بسیار عمیق (بالای ۱۰۰ لایه) دقت خود را حفظ کند و محاسبات دقیقتری انجام دهد. این پیشرفت میتواند در آینده به ساخت مدلهای هوش مصنوعیِ بهینهتر و با بهرهوری بالاتر منجر شود. 🚀
منبع: arXiv AI