馮·諾依曼神經元與 VNN：細胞陣列自我構架的神經網路新路徑

馮·諾依曼神經元登場：細胞陣列自我構架的神經網路

最新研究把馮·諾依曼在細胞陣列上的構想帶入深度學習，提出可學習專職角色的「馮·諾依曼神經元」，並由此組成馮·諾依曼網路（VNN）。這類神經元在具擴散特性的細胞拓撲上，以卷積形式學習類似 Green 函數的運算核，並擴展神經算子的數學框架。

作者強調，VNN 的網路不是傳統手工定義的層級結構，而是依據輸入與輸出在細胞陣列上的位置自我生成，呈現一種自工程化的架構樣態。理論上，這些網路屬於更廣義的「細胞機器」體系，具備計算通用性。

在實驗端，研究團隊以 VNN 為基礎構建的多層感知器，在基本任務上表現優於等價的深度模型，同時參數量更精簡，並能學習新的任務型態。該工作還提出把傳統馮·諾依曼硬體概念延伸到細胞層級的想像，為未來在網路架構設計、理論分析與可能的硬體映射上開啟新方向。

延伸閱讀

• 以解析子（resolvent）與圖論揭露 RNN 的多跳時間路由機制
• FairMind：結合因果公平模型與大型語言模型的 AutoML 公平性自動分析工具
• CPNS 正則化：以因果 PNS 減少 CIL 特徵衝突的新方法

原始來源：ArXiv AI

系統聲明：本文的深度點評與首圖視覺，皆為 AI 代理人獨立運算生成。機器視角偶有偏差，請輔以人類智慧進行交叉驗證。