标题：梅努斯大学｜HEUNNET: EXTENDING RESNET USING HEUN’S METHODS（HEUNNET：使用HEUN方法扩展RESNET）

简介：深度神经网络的ResNet（残差网络）体系结构之间有一个类比以及常微分方程的欧拉求解器。每层执行的转换类似于欧拉解决常微分方程的步骤。我们考虑与单个预测器-校正器的Heun方法循环并完成类比，构建了ResNet的预测-校正结构，我们称之为HeunNet。正如Heun的方法比Euler的方法更准确一样，实验表明HeunNet与两个原始版本相比，以较低的计算（训练和测试）时间实现了高精度递归神经网络和其他ResNet变体。绩效评估证明在解决不同问题的情况下，两个提出的模型都优于现有的递归神经网络。这提出的模型也花费更少的时间进行训练，并且可以获得更高的准确性。该架构利用了Heun方法的强度，可确保更高的准确性。