Últimos artículos para Transformador

Un nuevo enfoque usando nubes de puntos mejora la eficiencia en el diseño de implantes de cráneo.

SDLFormer combina técnicas avanzadas para mejorar la calidad de las imágenes de MRI y tener un procesamiento más rápido.

CATS v2 mejora la precisión en la segmentación de imágenes médicas mediante enfoques híbridos.

Este artículo habla sobre mejoras en los métodos de agrupamiento para transformadores en el aprendizaje supervisado.

Radio2Text usa señales mmWave para el reconocimiento de voz en tiempo real en entornos ruidosos.

Explorando cómo los transformers se adaptan para predecir resultados en sistemas desconocidos.

Un estudio sobre 13 modelos de transformadores diseñados específicamente para el idioma ruso.

Un nuevo enfoque para mejorar la precisión en la recopilación de datos 3D de EBSD.

Esta investigación explora técnicas de aprendizaje profundo para mejorar las defensas contra ataques de canal lateral.

Un nuevo enfoque traduce descripciones de texto en secuencias de video.

Evaluando el rendimiento de modelos Transformer usando hardware especializado GAUDI.

Explorando el desarrollo y el impacto de los modelos de lenguaje modernos en la comunicación.

Los transformers mejoran la planificación de rutas y el mapeo cognitivo en entornos complejos.

Examinando la relación entre transformers y RNNs en el procesamiento del lenguaje.

GATS combina modelos preentrenados para mejorar el procesamiento de datos multimodales.

ConvFormer mejora la precisión de la segmentación en imágenes médicas al combinar CNNs y transformadores.

Un nuevo marco mejora el aprendizaje continuo para tareas que combinan visión y lenguaje.

Este estudio examina cómo añadir recurrencia a los Transformers para mejorar su rendimiento en tareas de aprendizaje automático.

Una mirada a cómo los Transformers y los GSSMs manejan las tareas de copia.

Esta investigación mejora las RNNs usando múltiples perspectivas para un mejor procesamiento de textos.

Una mirada a la disartria, su detección y el papel de la tecnología.

Mamba-ND mejora la eficiencia de procesamiento para datos multidimensionales con menos recursos.

Este artículo examina cómo los Transformers resuelven problemas usando inferencia paso a paso y modelos de grafos.

BEFUnet mejora la precisión en la segmentación de imágenes médicas al combinar CNNs y transformadores.

Este estudio examina cómo los modelos de lenguaje adaptan sus predicciones usando el aprendizaje en contexto.

Este artículo examina cómo los modelos reinicio-incrementales mejoran la comprensión del lenguaje en medio de ambigüedades locales.

Este artículo explora un método para mejorar la resumición de código utilizando conocimientos sobre la atención humana.

Este documento conecta modelos de transformadores con cadenas de Markov para mejorar la comprensión.

Una inmersión profunda en métodos para la detección de lenguaje abusivo y transferencia de estilo de texto.

Explorando cómo los transformers aprenden aritmética en el aprendizaje automático.

Investigación sobre cómo el sesgo inductivo afecta el rendimiento del modelo Transformer.

Un análisis de Transformers y sus métodos de aprendizaje autorregresivo en contexto.

Un estudio sobre el uso de transformadores para un etiquetado y representación musical efectiva.

adaptNMT simplifica la creación de modelos de traducción para todos los niveles de habilidad.

Explorando las inexactitudes en los modelos de lenguaje grandes y sus implicaciones.

Un nuevo modelo mejora la predicción de acciones de los robots y su adaptabilidad en diversas tareas.

Una mirada a cómo el paralelismo de modelos ayuda en el entrenamiento de grandes redes neuronales.

DARL ofrece nuevos métodos para que las máquinas aprendan y creen imágenes de manera efectiva.

Este trabajo analiza el rendimiento de transformadores simplificados en tareas de pronóstico.

Este artículo examina si los transformadores pueden simular autómatas finitos ponderados y autómatas en árbol.