Informática - Computación Neuronal y Evolutiva

Nuevas estrategias mejoran el aprendizaje de las redes neuronales en condiciones del mundo real.

Este artículo explora las GANs para crear estructuras estables de Angry Birds.

Las ODEs neuronales combinan redes neuronales con sistemas dinámicos para un aprendizaje más avanzado.

Este documento habla sobre métodos para la aproximación de fitness en algoritmos genéticos usando aprendizaje automático.

Explorando el potencial y los desafíos de las Redes Neuronales Ópticas en la computación.

Un nuevo método mejora la eficiencia de la programación de trabajos usando técnicas de aprendizaje profundo por refuerzo.

Explorando el cuello de botella relacional y su papel en entender conceptos abstractos.

Aprende cómo los arreglos de datos afectan el rendimiento y el papel de los algoritmos evolutivos.

Racing-CVGP mejora la eficiencia de la regresión simbólica en el descubrimiento de ecuaciones matemáticas.

Las V-nets ofrecen una nueva perspectiva sobre la eficiencia y el rendimiento del aprendizaje profundo.

Este artículo examina la conexión entre el aprendizaje profundo y los métodos de grupo de renormalización usando el modelo de Ising.

Un estudio sobre la paralelización de redes neuronales usando el lenguaje de programación Go.

Los astrocitos mejoran el rendimiento y la tolerancia a fallos de las Redes Neuronales Spiking.

Explorando cómo los enjambres de robots navegan obstáculos en entornos impredecibles.

La investigación profundiza en cómo la IA interpreta la justicia y la moralidad en el lenguaje.

Este estudio automatiza la clasificación de textos científicos con las ontologías adecuadas.

Un nuevo enfoque para optimizar redes neuronales profundas en dispositivos con recursos limitados.

Un nuevo modelo mejora las predicciones para la histeresis magnética en materiales.

Un nuevo método mejora la selección de características al modificar las características ocultas con ruido.

Un nuevo enfoque usando gráficos de ensamblaje comunitario para estudiar la selección lexicase en programación genética.

Un nuevo enfoque mejora los modelos de aprendizaje profundo para un uso eficiente en la tecnología portátil.

Las redes neuronales hiperbólicas mejoran la representación de estructuras arbóreas en la ciencia de datos.

dNEAT ofrece una nueva forma de modelar sistemas complejos de manera efectiva.

Nuevos métodos integran soluciones no evaluadas en algoritmos de optimización para mejor eficiencia.

Este artículo explica cómo usar redes neuronales para el reconocimiento de escenas en películas y series.

Un nuevo modelo imita los procesos del cerebro para mejorar el análisis de imágenes.

Este estudio mejora la sensibilidad de biosensores RF usando técnicas de optimización avanzadas.

Las Redes de Nubes de Puntos reducen parámetros mientras mantienen el rendimiento en tareas de aprendizaje profundo.

ThinResNet establece referentes confiables para comparar métodos de poda en redes neuronales.

La automatización del diseño de RNN mejora el modelado para sistemas dinámicos.

Un nuevo método corrige las predicciones de aprendizaje automático en aplicaciones de ingeniería.

Explorando cómo el diseño de robots influye en el movimiento y el aprendizaje de tareas.

SAM mejora el entrenamiento de redes neuronales al centrarse en la estabilidad de los parámetros.

Explorando cómo el aprendizaje automático mejora el control predictivo de modelos para un mejor rendimiento del sistema.

Las tecnologías avanzadas están mejorando las predicciones de temperatura en los hornos de recalentamiento para una mejor eficiencia.

PyVRP ofrece soluciones eficientes para desafíos complejos de enrutamiento de vehículos.

Una mirada a cómo mejorar el aprendizaje automático a través de técnicas de aprendizaje de representación.

Un método que imita el aprendizaje humano para una mejor adaptabilidad de las máquinas.

Un enfoque novedoso fusiona dos métodos para mejorar la resolución de problemas.

Un enfoque novedoso combina modelos de espacio de estados con redes neuronales de picos para manejar mejor los datos.