Neuste Artikel für Verallgemeinerung

Erforschen der Merk- und Verallgemeinerungsfähigkeiten von quantenbasierten neuronalen Netzwerken.

G-TRACER verbessert die Generalisierung von Deep-Learning-Modellen durch stabilitätsorientierte Techniken.

Neue Methode hilft KI-Modellen, flexibel zu bleiben und sich gleichzeitig auf bestimmte Aufgaben zu konzentrieren.

Studie zeigt grosse Bedenken beim Replizieren von Ergebnissen aus Wettbewerben zur medizinischen Bildsegmentierung.

Eine neue Methode verbessert das Lösen von Matheproblemen in kleineren Sprachmodellen mit verschiedenen Datensätzen.

Ein neues Framework verbessert die Effizienz und Flexibilität von Sprachmodellen mit externen Tools.

gSAM verbessert GNNs für bessere Artikelempfehlungen und Generalisierung.

Mask-Tuning verbessert die Fähigkeit von Sprachmodellen, sich an neue Beispiele anzupassen.

Erforschen, wie multiplikative neuronale Netze die polynomialen Modelle für technische Simulationen verbessern.

Eine neue Methode bringt Modellrobustheit und Verallgemeinerung bei kniffligen Eingaben in Einklang.

Dieser Artikel untersucht Aktivierungsmuster in ANNs, um Lernstile zu unterscheiden.

LCNF verbessert die Bildgebung, indem es die traditionellen Einschränkungen mit Deep Learning überwindet.

Eine neue Methode verbessert die bayesschen neuronalen Netze für Generalisierung und Unsicherheitsabschätzung.

Eine Technik, um die Leistung von Machine-Learning-Modellen auf neuen Daten zu verbessern.

Grosse Sprachmodelle verbessern das Management von HVAC-Systemen mit weniger Ressourcen.

Verbesserung von Deep-Learning-Modellen durch gezielte Datenerweiterungen für bessere Leistung.

Diese Arbeit zeigt eine Methode, um das Verständnis von Code in LLMs durch Symmetrie zu verbessern.

PrototypeLab verbessert die Polypenerkennung in Koloskopie-Bildern.

Batch-Vorhersagen verbessern die Ergebnisbewertungen für Gruppen von Beispielen in der Forschung.

Dieser Artikel bespricht die Notwendigkeit besserer Bewertungsmethoden für Deep-Learning-Klassifikatoren.

Eine neue Methode verbessert die Modellierung der Roboterbewegung mithilfe von inverser Dynamik.

Lerne, wie semantische Vermischung die Leistung und Generalisierung von Modellen im maschinellen Lernen verbessert.

Ein neuer Ansatz zur Bewertung der Anpassungsfähigkeit von vortrainierten Modellen an neue Aufgaben.

Eine neue Methode verbessert, wie neuronale Netzwerke mit unbekannten Daten umgehen.

Untersuchung von Kompromissen in Deep-Learning-Anwendungen für drahtlose Systeme.

Eine Studie, die die Herausforderungen zeigt, mit denen GNNs beim Zählen von Untergraph-Mustern konfrontiert sind.

Dieses Papier untersucht, wie neuronale Bildkompression sich an neue Datenherausforderungen anpasst.

Forschung zeigt die Grenzen von Transformermodellen bei längeren arithmetischen Eingaben auf.

Eine neuartige Methode verbessert die Fähigkeit von Vision-Language-Modellen, sich an neue Aufgaben anzupassen.

Diese Forschung verbessert die Bildsuche von Personen durch effektive Techniken und fortschrittliche Modelle.

FastTCM-CR50 verbessert die Erkennung und Ortung von Text in Szenen mit begrenzten Daten.

Diese Studie zeigt, wie grosse Datensätze das Deep Learning in FWI-Anwendungen verbessern.

LatentAugment steigert die Datenvielfalt für Machine-Learning-Modelle mit GANs.

Neues bilaterales MAE-Framework verbessert das klasseninkrementelle Lernen, indem es die Wissensspeicherung fördert.

FG-Net verbessert die automatische Erkennung von Gesichtsemotionen mit effizienten Techniken.

Eine Übersicht über Hopfield-Netzwerke, die sich mit Generalisierung und Overfitting beschäftigen.

Eine neue Herangehensweise, um die Leistung von Machine-Learning-Modellen mit wenig Daten zu steigern.

Diese Studie stellt eingeschränkte Margen für bessere Verallgemeinerungsprognosen in DNNs vor.

Vision-Transformer verbessern, um mit vielfältigen und nicht im Verteilungsbereich liegenden Daten umzugehen.

KI verwandelt das Gesundheitswesen, aber es gibt noch Herausforderungen, sie an lokale Gegebenheiten anzupassen.