定制算法提高了实验性类脑计算系统的准确性

以动物大脑为物理模型的计算机系统已经“学会”了如何识别手写数字。 总体准确率为93.4%。 在实验中，关键的创新是一种训练算法，它可以向系统提供有关其任务表现的实时反馈。 该研究由《自然通讯》发表。

该算法优于在处理一批信息后进行训练的机器学习方法。 其准确率达到 91.4%。 研究人员还发现，将过去的输入存储在系统中可以增强学习能力。 另一方面，其他计算方法将内存存储在与设备处理器分离的软件或硬件中。

加州大学洛杉矶分校加州纳米系统研究所 (CNSI) 的研究人员 15 年来一直致力于开发新的计算平台。 这项技术是一种受大脑启发的系统，由布置在电极上的含银线的纠结网络组成。 该系统由电脉冲控制。 单根导线非常细小，其直径可以在纳米级（即十亿分之一米）下测量。

来源和详细信息：
https://techxplore.com/news/2023-11-experimental-brain-like-accurate-custom-algorithm.html