标签
本文提出了一种基于生物学的框架，其中噪声神经和突触动力学通过随机采样实现概率推断和学习，利用模拟存内计算硬件进行可扩展且能效高的计算。
本文介绍了KANalogue，一种完全模拟的Kolmogorov-Arnold网络实现，它利用负微分电阻器件直接在硬件中执行可学习的非线性函数。在MNIST、FashionMNIST和CIFAR-10数据集上，该方案以少于模拟MLP的参数实现了具有竞争力的精度。
BIN16在神经网络训练和推理中用布尔运算（XNOR+popcount）替代所有浮点运算，使得在现成的DRAM中直接计算成为可能，无需浮点数、梯度或超参数调优。仅用220行C代码，它就在一个训练周期内在MNIST上达到了82%的准确率。