融合树突层神经元

高维数据不衰减

用平均聚合替代乘法聚合，从根源上消除神经元面对高维输入时的指数衰减问题。

Ma, Runcong · Yonghua, Pang · Zhang, Chanlong · 罗旭东

Neurocomputing 2026

技术优势

高维不衰减

融合树突层采用平均聚合替代乘法聚合，避免了多个归一化特征相乘导致的输出指数衰减。

收敛更快

突触注意力模块使网络聚焦任务相关信息，从而加速模型收敛。

参数极少

改进后的DNM在31个公共数据集上以极少的参数实现了高效性能。

应用场景

• 具身智能感知：以极少的参数稳定处理高维感知数据，不衰减。
• 边缘计算芯片：参数极少，适合在资源受限的边缘芯片上部署。
• 机器人视觉：处理高维视觉输入时准确率更高、收敛更快。
• 生化信号处理：可解释的非线性聚集适合生化信号特征融合。