연구진이 순환 컨볼루션 신경망의 폭, 깊이, 시간 제약 비용을 정의했어요. 이 비용들을 작업 오류와 함께 역전파로 최적화하여 다양한 계산 그래프를 얻었어요. 폭, 깊이, 시간 세 가지 자원은 정확도 유지를 위해 서로 교환 가능했어요.
작업 복잡도가 증가함에 따라 신경망은 폭과 깊이를 모두 확장하고, 입력이 가려질 경우 더 많은 순환 단계를 사용했어요. 모델의 시간 사용량은 객체 인식 작업에서 인간의 반응 시간과 상관관계를 보였어요.
본 연구는 자원 제약이 신경망 아키텍처를 어떻게 형성하는지에 대한 설명을 제공하며, 뇌 설계와 자연계의 다양한 신경 솔루션에 대한 질문과 연결돼요.