Computerwissenschaften - Neuronales und evolutionäres Rechnen

Eine Studie zur Effektivität von QGANs im Vergleich zu Markov-Modellen beim Eye-Tracking.

Ein frischer Ansatz zur Navigation, inspiriert von Tierstrategien, zeigt vielversprechende Möglichkeiten für künstliche Agenten.

Ein neuer Algorithmus verbessert die Bewegungsverfolgung mit dynamischen Sichtsensoren, indem er die Funktionen des Auges nachahmt.

Ortszellen im Hippocampus sind entscheidend für Gedächtnis und räumliches Bewusstsein.

Eine neue Methode verbessert die Datenvisualisierung durch effektive Projektionssuche.

Innovationen bei adaptiven LIF-Neuronen verbessern die Leistung bei zeitlichen und räumlichen Aufgaben.

Dieser Artikel beschäftigt sich mit der Verbesserung des Designs von Hand-Exoskeletten für eine bessere Unterstützung der Nutzer.

Diese Studie bewertet KANs für effektive Betrugserkennung in verschiedenen Branchen.

TACOS bietet eine Lösung für katastrophale Interferenzen in KI-Lernsystemen.

Neue Aktivierungsfunktionen verbessern neuronale Netzwerke zur Lösung komplexer Gleichungen.

Polar-FFA verbessert das Lernen in neuronalen Netzen und steigert die Genauigkeit und Stabilität.

Ein Blick auf die Verbesserung der Zugplanung mit kontinuierlichen Lernagenten.

Wir stellen LFLDNets vor, einen neuen Ansatz für die effiziente Modellierung komplexer physikalischer Systeme.

Dieser Artikel untersucht, wie die Anpassung der Mutationsstärke die Leistung evolutionärer Algorithmen verbessert.

Ein tiefgehender Blick auf Gated Recurrent Units im Sequenzlernen.

Eine neue Methode verbessert die Genauigkeit bei der Gasmessung mit Hilfe von maschinellem Lernen und Physik.

NeurELA verbessert die Black-Box-Optimierung durch Echtzeitanalyse der Landschaft und Meta-Lernen.

Ein Blick auf effiziente KI mit SNNs und IMC-Technologie.

Ein neuer Algorithmus verbessert die Schätzungen der Gehirnaktivität in komplexen Geräuschumgebungen.

Eine neue Methode vereinfacht, wie wir die Unsicherheit von Modellen in Vorhersagen einschätzen.

Erkunde die komplexe Reise, wie wir Farben wahrnehmen.

Polynomiale neuronale Netze entdecken und ihre Anwendungen in verschiedenen Bereichen.

Entdecke, wie neuromorphe Computer das Lernen des Gehirns nachahmen, um effiziente Maschinenintelligenz zu schaffen.

Innovative Architektur steigert die Effizienz im Deep Learning durch optische Berechnungen.

Ein neues Modell verbessert die Genauigkeit von Windgeschwindigkeitsvorhersagen in anspruchsvollen Landschaften.

Untersuchen, wie SNNs im Vergleich zu ANNs beim Energieverbrauch abschneiden.

Die Analyse des Einflusses von quaternionbasierten Komponenten auf die Leistung der Bildklassifikation.

ART vereinfacht die Entwicklung von Deep-Learning-Modellen mit strukturierten Schritten und Debugging-Tools.

Die kontinuierliche Lernens in neuronalen Netzwerken durch das Neural Tangent Ensemble erkunden.

Eine neue Methode verbessert die Effizienz der Signaltrennung in verschiedenen Anwendungen.

Ein neuer Simulator entwickelt Agenten, die in der Lage sind, Kultur und logisches Denken zu zeigen.

Die Teilnehmer haben bei den AI-Olympiaden komplexe Robotik-Aufgaben mit fortgeschrittenen Techniken gemeistert.

Neue Quanten-Neuronale Netzwerke, die sich anpassen und aus sich verändernden Daten lernen.

Ein neues Framework steigert die Effizienz der Fernerkundung mit gehirninspirierten Techniken.

Ein neuer Ansatz verbessert die Lösung komplexer Optimierungsprobleme mit diskreten und kontinuierlichen Variablen.

Ein neues Modell bietet energieeffiziente Sprachverarbeitung für kleine Geräte.

SNNAX vereinfacht und beschleunigt die Simulation von spiking neural networks für Forscher.

In diesem Artikel geht's darum, wie man mit Sound Robotern helfen kann, Hindernisse zu erkennen.

Ein Blick darauf, wie Überlagerung die Effizienz von neuronalen Netzen und den Umgang mit Komplexität verbessert.

Dieser Artikel bewertet die Effektivität von spärlichen Autoencodern in der Wissensrepräsentation über Städte.