Computerwissenschaften - Neuronales und evolutionäres Rechnen

Entdecke, wie kontinuierliches Lernen die künstliche Intelligenz und ihre Anwendungen verändert.

Techniken zur Verwaltung von Hyperparametern und Modellgewichten für bessere Leistung.

Dieser Artikel analysiert ko-evolutionäre Algorithmen für binäre gegnerische Optimierungsprobleme.

Untersuchen, wie die Zeitstruktur die Leistung von spiking neuronalen Netzwerken verbessert.

MALT verbessert die Effizienz und den Erfolg von adversarialen Angriffen bei Bildklassifizierungsmodellen.

CAReLU verbessert das Lernen, indem es positive und negative Werte in Deep-Learning-Modellen ausbalanciert.

Ein Vergleich von SNNs und ANNs für optischen Fluss unter Verwendung von datenbasierter Kameratechnologie.

Ein neues Framework verbessert das Verständnis von lokalen Suchalgorithmen und ihrem Verhalten.

Eine neue Methode verbessert die Architektursuche für Deep Learning Modelle.

Die Rolle von neuromorpher Computertechnik bei effizienten Datenverarbeitung und maschinellem Lernen erkunden.

Ein neues Modell verbessert die Bilderkennung für stromsparende Geräte.

Quanteneinfalls-Lekage-Integrations-und-Feuerneuronen bieten neue Möglichkeiten für effiziente Datenverarbeitung.

Ein Projekt, das spiking neuronale Netze für die Erkennung von ASL-Gesten nutzt.

Diese Studie zeigt, wie neuronale Netze Spike-Muster unter verschiedenen Bedingungen genau erinnern und reproduzieren können.

Ein neues Modell bringt Programmierung mit neuromorpher Hardware zusammen, um die Effizienz zu steigern.

Eine Studie über das Verhalten von zellulären Automaten und zufälligen Netzwerken im Hinblick auf Gedächtnisaufgaben.

Ein Blick auf neuronale Netzwerke anhand detaillierter und vereinfachter Modelle.

Ein neuer Ansatz verbessert die Energieeffizienz und die Verarbeitungsgeschwindigkeit in CNNs.

Ein neuer Ansatz kodiert und rekonstruiert sensorische Signale mithilfe von Spike-Zügen.

Ein neuer Algorithmus auf Loihi 2 zeigt vielversprechende Ansätze zur effizienten Lösung von QUBO-Problemen.

Neues Synapsenmodell verbessert die Energieeffizienz in spiking neuronalen Netzwerken.

Entdecke, wie memetische Algorithmen die Effizienz und Leistung von Antennendesigns verbessern.

Neuromorphe Computertechnik ahmt die Gehirnfunktion nach, um effizientes Processing in modernen Geräten zu ermöglichen.

Neue Techniken im photonischen Rechnen zeigen vielversprechende Ansätze, um mehrere Aufgaben effizient zu bewältigen.

Lern neue Methoden, um den Energieverbrauch zu Hause effizient mit maschinellem Lernen zu managen.

Lerne, wie du dein wissenschaftliches Papier effektiv vorbereitest und einreichst.

Ein Tool, um komplexe Lösungen in der mehrdimensionalen Optimierung darzustellen.

Forscher verbessern Simulationen von gehirnähnlichen Systemen zur Lösung komplexer Probleme.

Ein Verfahren zum Trainieren von KI-Systemen ohne gelabelte Daten.

Snuffy bietet eine Machine-Learning-Lösung für eine präzise WSI-Analyse an.

Eine neue Methode zur energieeffizienten Schlüsselworterkennung mit neuromorpher Technologie.

Diese Studie zeigt die Vorteile von asynchroner Verarbeitung in spiking neuronalen Netzwerken.

Der Yi-Algorithmus kombiniert Erkundung und Ausnutzung für effektive Optimierung.

Darwinistische Konzepte nutzen, um die Trainingsmethoden von neuronalen Netzwerken zu verbessern.

Wir stellen SHSADE-PIDS vor, eine effiziente Methode zur neuronalen Architektursuche in Punktwolken-Daten.

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.