非平穩網路

深度分析

ReSiN：以沉默神經元雙向判準維持深度模型在非平穩網路下的可塑性

面對非平穩網路，研究提出由『沉默神經元』理論建構的ReSiN方法。ReSiN透過前向與反向雙零判準檢測並重置失能神經元，以維持網路模型可塑性。實驗在自適應影片串流中顯著提升位元率與用戶體驗，且於靜態環境亦展現穩健性，並在多組實際流量軌跡下驗證其效果。