محققان به تازگی رویکرد نوآورانهای ارائه کردهاند که میتواند ساختار شبکههای عصبی را برای همیشه تغییر دهد! در این پژوهش، ثابت شده که تمام توابع فعالساز مرسوم (مثل ReLU یا Sigmoid) در واقع نوعی «دروازهبانی آستانهای» (Threshold Gating) هستند.
چرا این خبر مهم است؟
✅ بدون نیاز به آموزش مجدد (Retraining)، مدلهای فعلی میتوانند بهینه شوند.
✅ کاهش چشمگیر مصرف انرژی و بهینهسازی سختافزاری در سیستمهای آنالوگ.
✅ باز شدن دریچههای جدید برای فشردهسازی مدلها و افزایش سرعت آموزش.
این یافته نه تنها دقت مدلهای فعلی را حفظ میکند، بلکه راه را برای سختافزارهای هوش مصنوعی نسل بعد هموارتر میسازد. 🚀
منبع: arXiv AI