Neuste Artikel für Parameter

Eine Studie über effizientes Abstandhalten von Punkten im zweidimensionalen Raum.

Eine neue Methode ermöglicht es Machine-Learning-Modellen, Daten effektiv und schnell zu vergessen.

Kompakte Wortdarstellungen verbessern die Leistung und Effizienz von Sprachmodellen.

Ein Blick darauf, wie verbundene Twist-Karten ergodisches Verhalten und Scherparameter zeigen.

Diese Studie entwickelt ein Modell, um die Ausbreitung von COVID-19 zu simulieren und soziale Einschränkungen zu bewerten.

Ein Einblick, wie chaotisches Verhalten aus Sattel-Foki in verschiedenen Systemen entsteht.

Eine neue Methode verbindet Vorwissen mit endlichen Mischmodellen für das Clustering.

Ein neues statistisches Modell, das die Datenanalyse in verschiedenen Bereichen verbessert.

Wir nutzen Simulationen und maschinelles Lernen, um unser Verständnis der Sternentstehung zu verbessern.

Ein neuer Ansatz, um das Rauchverhalten besser zu verstehen und vorherzusagen.

Lerne, wie Sparsamkeit die Effizienz in Multi-Task-Lernmodellen verbessert.

Eine neue Methode soll Modellen helfen, neue Aufgaben zu lernen, ohne die alten zu vergessen.

Dieser Artikel untersucht die Parameterunsicherheiten in thermodynamischen Modellen und deren Auswirkungen auf Vorhersagen.

Eine neue Methode vereinfacht das Abstimmen von Klimamodellen, verbessert die Zuverlässigkeit und spart Zeit.

Ein neuer Ansatz zur Optimierung mit Riemannscher Geometrie für bessere Ergebnisse.

Ein datengestützter Ansatz zur Verbesserung der Effizienz und Anpassung der Mikrogelproduktion.

Delta-LoRA macht das Fein-Tuning von grossen Sprachmodellen einfacher, mit besserer Leistung und weniger Ressourcenverbrauch.

Neuronale ODEs verbinden neuronale Netzwerke mit dynamischen Systemen für fortgeschrittenes Lernen.

Entdecke, wie gerichtete Evolution die Proteinfunktionen für echte Anwendungen optimiert.

SparseSwin bietet eine effiziente Bildklassifizierung mit weniger Parametern und hoher Genauigkeit.

phi-1.5 zeigt, dass kleinere Modelle mit hochwertigen Daten gut abschneiden können.

Neue Methoden verbessern die Effizienz und Leistung von neuronalen Netzen mit Mixture of Experts.

Dieser Artikel behandelt Salient Channel Tuning, eine Methode zur effizienten Feinabstimmung grosser Modelle.

Eine neue Methode zur Verbesserung der Vorhersagen in der bayesianischen Deep Learning, indem man sich auf Schlüsselparameter konzentriert.

Eine Methode, um Graph-Transformatoren effizienter zu verbessern und dabei weniger Ressourcen zu nutzen.

Forschung zeigt, wie sich Spiralarme in Galaxien bilden und stabil bleiben.

Forschung verbessert Deep-Learning-Modelle für ressourcenbeschränkte Umgebungen.

Forscher entwickeln ein Modell, um räumliche Beziehungen und Auswirkungen über Distanzen zu untersuchen.

Punktwolken-Netzwerke reduzieren die Parameteranzahl und behalten gleichzeitig die Leistung bei Deep-Learning-Aufgaben bei.

Diese Studie untersucht, wie Bakterien sich je nach Umweltfaktoren bewegen, basierend auf experimentellen Daten.

Ein neuer Ansatz, um die Sterblichkeit vorherzusagen und die Katastrophenreaktion zu verbessern.

Die grossen Jacobi-Polynome haben einzigartige Eigenschaften, die für verschiedene mathematische Anwendungen wichtig sind.

Ein Blick auf spatio-temporale Modelle in der Datenanalyse.

Forscher untersuchen die Linienform eines seltenen Teilchens mit Daten aus Hochenergie-Kollisionen.

Neues Modell verbessert die Analyse komplexer Beziehungen in der Statistik und im maschinellen Lernen.

Eine neue Methode vorstellen, um den Speicherverbrauch beim Feintuning grosser Modelle zu reduzieren.

Ein Schwerpunkt auf der Verfeinerung der Parameterschätzung verbessert die Genauigkeit von Tumorwachstumsmodellen.

Diese Studie hebt die Bedeutung von Variabilität in kognitiven Prozessen hervor, indem sie fortgeschrittene Modellierungstechniken nutzt.

Forscher entwickeln Methoden zur Analyse von Sternendaten, um ein besseres Verständnis für massive Sterne zu bekommen.

Ein Blick auf parametrische zeitliche Spiele und ihre Anwendungen in Echtzeitsystemen.