Computerwissenschaften - Neuronales und evolutionäres Rechnen

Diese Studie untersucht, wie ein Start nahe der Kritikalität die Anpassungsfähigkeit von neuralen Agenten beeinflusst.

Algorithmen und Surrogatmodelle kombinieren für effizientes Gebäudedesign.

Lern, wie SNNs Gehirnprozesse nachahmen, um effizient zu rechnen.

Erforschen, wie Partnerpräferenzen die Vielfalt in Lösungen der genetischen Programmierung erhöhen.

Dieser Artikel behandelt einen neuen Algorithmus, der von der Epigenetik inspiriert ist, um eine bessere Optimierung zu erreichen.

Ein Vergleich von genetischen Algorithmen und CMA-ES im Brückendesign.

Lern, wie Automatisierung das Netzwerkdesign erleichtern und die Kosten für Internetanbieter senken kann.

SDM bietet Netzwerken die Möglichkeit, kontinuierlich zu lernen, ohne alte Informationen zu vergessen.

Deep-BIAS verbessert die Bias-Erkennung in Algorithmen mit Hilfe von Deep Learning-Technologie.

Erforschen, wie die Funktionen des Gehirns bessere KI-Systeme formen können.

Dieser Artikel behandelt, wie DSMs genutzt werden können, um Algorithmen für Zuweisungsprobleme zu verbessern.

Eine Studie über ElegansNet zeigt Einblicke in bessere Lernmodelle, inspiriert von C. elegans.

Entdecke, wie HOTGP die Generierung von Computerprogrammen durch fortschrittliche Techniken verbessert.

Ein neuer Ansatz verbessert Einzel-Schichten-Perzeptren für komplexe Aufgaben.

Faules Lernen verbessert das AI-Training, indem es sich auf Fehler konzentriert.

ARIA verbessert die Qualität und Vielfalt in unsicheren Umgebungen für QD-Algorithmen.

Diese Studie untersucht das Zählen in linearen RNNs und ihre Einschränkungen.

Ein Blick darauf, wie Kodierung Lösungen in verschiedenen Bereichen beeinflusst.

SLR bietet einen schnelleren Weg, um Deep-Learning-Modelle zu beschneiden, ohne dabei an Genauigkeit zu verlieren.

Ein neuer Ansatz verbessert genetische Algorithmen mit Aufmerksamkeitsmechanismen für eine bessere Optimierung.

Ein neuer Ansatz zur Analyse der Gehirnverbindung mit einem spezialisierten neuronalen Netzwerk.

Neue Methoden verbessern die Layout-Zerlegung für kleinere Halbleitermerkmale.

META-CODE hilft dabei, Communities in unsicheren Netzwerken zu finden, indem es Knoten-Metadaten und dynamische Abfragen nutzt.

SENeCA verbessert die Effizienz von SNN, indem es Energieeinblicke aufdeckt.

Vorgeschlagene Variationen von Squeeze- und Excitation-Modulen steigern die Funktionalität und Genauigkeit von CNNs.

Die Verbindung zwischen RNNs und elektrischen Schaltkreisen erkunden, um es besser zu verstehen.

Automatisierung in Fabriken verbessert die Effizienz durch evolutionäre Algorithmen und Code-Generierung.

Ein Überblick über neuromorphe Computer und spiking neuronale Netzwerke und ihr Potenzial.

RLOR verbessert Deep Reinforcement Learning für anpassbare Lösungen in der Betriebsforschung.

Verbesserung von Spiking Neural Networks durch innovative Wissensaustausch-Techniken.

Untersuchen, wie Lernen Energie verbraucht und Strategien für verbesserte Effizienz.

TreeC bietet eine einfache und effektive Methode zur Verwaltung von Energiesystemen.

Ein neuer neuromorpher Controller verbessert die Stabilität und Effizienz von Drohnen durch ein innovatives Design.

DECN verbessert evolutionäre Algorithmen zur Lösung komplexer Optimierungsaufgaben.

Forscher untersuchen, wie Wasserwellen die Recheneffizienz verbessern können.

Ein Blick darauf, wie die Netzwerkstruktur die Leistung von neuronalen Netzwerken beeinflusst.

Neue Methoden verbessern den Codierungsprozess für Entwickler durch Programmsynthese.

AOT-SNNs verbessern die Unsicherheitsabschätzung in spiking neuronalen Netzen für bessere Vorhersagen.

Untersuchung von Methoden, um Fairness in den Entscheidungen von maschinellem Lernen zu gewährleisten.

ReRAM zeigt vielversprechende Ansätze, um die Leistung und Effizienz von neuronalen Netzwerken zu verbessern.