通过进一步实验探索穿孔反向传播的性能

穿孔反向传播是一种基于对生物神经元内树突计算重要性的现代理解的神经网络优化技术。本文探讨了原始发表后的进一步实验，这些实验源于 2025 年 2 月在卡内基梅隆大学 Swartz 中心举办的一场黑客马拉松。学生和匹兹堡当地的机器学习从业者被召集在一起，在他们项目使用的数据集和模型上实验穿孔反向传播算法。结果表明，该系统能够增强他们的项目，在不对准确率产生负面影响的情况下实现高达 90% 的模型压缩，或者使其原始模型的准确率提高高达 16%。