Stromsparende analoge neuronale Netze mit trainierbaren nichtlinearen Verbindungen zur kontinuierlichen Regelung

arXiv:2606.23742v1 Announce Type: new Abstract: Physische neuronale Netze versprechen stromsparendes Machine Learning durch direkte Berechnung mit analoger Geräte-Physik, aber die meisten Architekturen zwingen nichtlineare Geräteantworten, als Skalar-Gewichte zu fungieren. Inspiriert von Kolmogorov-Arnold-Netzen platzieren wir trainierbare