Computerwissenschaften - Neuronales und evolutionäres Rechnen

Forschung hebt Elite-Proben für umweltfreundlicheres AI-Modelltraining hervor.

Ein neuer Ansatz hilft KI, Wissen zu behalten, während sie neue Aufgaben lernt.

MNNs automatisieren die Entdeckung von Regelgleichungen in der wissenschaftlichen Forschung.

Entdecke, wie fortschrittliche Algorithmen die Effizienz von Liefer-Routen verbessern.

Eine neue Methode, um die Leistung von Machine Learning bei hochdimensionalen Daten zu verbessern.

Dieser Artikel untersucht, wie Sprachmodelle beim Schreiben von akademischen Meta-Reviews helfen können.

Ein Werkzeug, um anpassbare Datensätze für dynamische Clustering-Szenarien zu erstellen.

Diese Studie untersucht adaptive Aktivierungsfunktionen für bessere Modellleistung in Szenarien mit wenig Daten.

Ein Blick auf gemischte Variablenprobleme und Techniken für eine effektive Analyse und Algorithmusauswahl.

Eine neue Methode verbessert die Effizienz der Spracherkennung mit niedrigrangiger Anpassung.

Ein Blick auf Reservoir-Computing und seine praktischen Anwendungen in der Datenvorhersage.

Ein neuer Ansatz verbessert das Denken in neuronalen Netzwerken, indem Aufgaben in Stufen aufgeteilt werden.

Methoden zur Vorhersage von unsichtbaren Daten basierend auf beobachteten Stichproben.

Entdecke, wie JCLEC-MO die Multi-Objective-Optimierung für Ingenieure vereinfacht.

Neue Lernmethoden verbessern die Effizienz und Genauigkeit von spikenden neuronalen Netzwerken.

Die Spyx-Bibliothek verbessert die Effizienz beim Training von spikenden neuronalen Netzen.

Ein neuer Ansatz verbessert die Effizienz in spiking neuronalen Netzwerken ohne Aufgabenabhängigkeit.

Forscher kombinieren digitale und analoge Methoden für eine bessere Effizienz beim optischen Rechnen.

Ein neuer Ansatz zur Bewertung von neuronalen Netzen ohne umfangreiches Training.

Dieser Artikel behandelt einen neuen Ansatz für das Lernen auf Geräten in IoT-Geräten.

Diese Studie verbessert das Design von Entwurfstuben mit Hilfe von maschinellem Lernen für eine bessere Effizienz bei Wasserkraft.

ECToNAS vereinfacht den Prozess, die optimalen Architekturen für neuronale Netze zu finden.

Ein Blick darauf, wie Lexikase-Auswahl mit mehreren Zielen in der evolutionären Berechnung umgeht.

Einblicke in den Energieverbrauch und die Effizienz von Deep-Learning-Modellen.

EMBGO verbessert die Suche nach optimalen Lösungen in komplexen numerischen Aufgaben.

Neues Framework verbessert die Vorhersage der Absichten von Fussgängern für selbstfahrende Autos.

Forscher vereinfachen neuronale Netzwerke, um die Leistung auf Geräten mit begrenzten Ressourcen zu steigern.

Neue Methode kombiniert neuronale Netzwerke für verbesserte Effizienz und Leistung.

Ein Blick darauf, wie neuronale Netze komplexe Funktionen in verschiedenen Bereichen modellieren können.

Eine neue Methode, um die Effizienz beim Training von Deep-Learning-Modellen zu verbessern.

Neue Methoden verbessern die Vorhersage unterschiedlicher Kristallstrukturen für fortschrittliche Materialien.

Eine Multi-Objektiv-Methode zur Maximierung von Einfluss unter Berücksichtigung verschiedener Faktoren.

Erkunde die Modelle, die Gehirnprozesse durch Spikes nachahmen.

KAT ermöglicht es Robotern, Aufgaben schnell mit weniger Beispielen zu lernen.

Assembly-Programmierung trifft auf Wettbewerb, während Überlebende in CodeGuru Xtreme kämpfen.

NYCTALE verbessert die Bewertung von Lungenknoten durch eine fortschrittliche Analyse von CT-Scans.

Neue memristive Geräte ahmen die Funktionen des Gehirns nach und steigern die Effizienz des KI-Lernens.

Ein Blick darauf, wie Agenten ihr Lernen für die Nahrungsbeschaffung anpassen.

Ein Blick darauf, wie Materie im Universum durch symbolische Annäherungen verteilt ist.

SpikExplorer vereinfacht das Design von energieeffizienten Spiking Neural Networks für tragbare Geräte.