Sí. Parecen ser especialmente eficientes y rápidos.
Cao, Y., Chen, Y. y Khosla, D. (2014). Potenciando redes neuronales convolucionales profundas para el reconocimiento de objetos energéticamente eficientes. International Journal of Computer Vision , (MAYO DE 2015), 54–66. Potenciando redes neuronales convolucionales profundas para el reconocimiento de objetos energéticamente eficientes
O’Connor, P., Neil, D., Liu, SC, Delbruck, T. y Pfeiffer, M. (2013). Clasificación en tiempo real y fusión de sensores con una red de creencias profundas. Frontiers in Neuroscience , (7 OCT). Clasificación en tiempo real y fusión de sensores con una red de creencias profundas
- ¿Cuál es la diferencia entre D3M y el aprendizaje profundo?
- ¿Por qué la pérdida logística es una mejor métrica para la clasificación probabilística que RMSD?
- Cómo calcular la probabilidad de que una oración aparezca en algún lugar del texto usando Word2Vec
- ¿Cómo y por qué funciona la estimación de contraste de ruido?
- ¿Qué necesito, como principiante, para comprender y construir un modelo generativo como WaveNet?
Creo que PyNN (PyNN – NeuralEnsemble) es un buen lugar para comenzar a experimentar, ya que permite arquitecturas de varias capas y ajuste de tipo de neurona única. Puede ejecutar simulaciones en NEST (The Neural Simulation Tool), que tiene más de 50 tipos de modelos neuronales.
