Últimos artículos para Redes Neuronales

Explorando los requisitos de hardware para aplicaciones de gráficos neuronales de nueva generación.

La investigación presenta métodos para aumentar la fiabilidad de los modelos de aprendizaje profundo frente a amenazas adversariales.

Explorando mejoras en las Redes Neuronales Recurrentes y el auge de los modelos de espacio de estados.

Un nuevo método para mejorar los modelos de AutoEncoder con conocimiento externo.

Este artículo investiga los modelos de RNN y su capacidad para aprender tareas diversas.

Presentamos el Embedding Posicional Adversarial y MAE+ para mejorar el entrenamiento de modelos de imágenes.

Examinando métodos para verificar redes neuronales en aplicaciones de control crítico.

Analizando las dificultades que enfrenta la IA para adaptarse a nuevas tareas.

Un nuevo método mejora el aprendizaje continuo auto-supervisado al minimizar el olvido y el uso de recursos.

Un nuevo modelo mejora la imagen del hígado durante el tratamiento del cáncer.

Un nuevo método mejora el renderizado 3D a partir de imágenes limitadas con técnicas efectivas.

La investigación muestra cómo redes más profundas mejoran el rendimiento en el reconocimiento de escenas.

El marco MAD mejora el rendimiento del deep learning en varios tipos de datos.

Aprende cómo la cuantización mejora la eficiencia de los modelos de aprendizaje profundo sin perder precisión.

Este artículo habla de cómo mejorar las GNNs para hacer mejores predicciones de materiales cristalinos.

Un enfoque novedoso para mejorar el rendimiento en el aprendizaje multitarea usando estructuras de red eficientes.

Un nuevo enfoque para mejorar el entrenamiento de redes neuronales profundas usando relaciones entre muestras.

Investigando cómo la actividad cerebral rítmica apoya la formación de la memoria y las funciones cognitivas.

El modelo FlyHash ofrece un método eficiente para la navegación inspirado en los insectos.

Nuevos métodos mejoran el rendimiento del modelo y reducen el olvido en el aprendizaje de datos secuenciales.

Las redes neuronales mejoran las predicciones del comportamiento de los materiales bajo diferentes condiciones.

Una mirada a la poda de estructuras dinámicas y su eficiencia en redes neuronales.

Este artículo presenta un enfoque novedoso para mejorar las capacidades de aprendizaje continuo de la IA.

Aprende técnicas para estabilizar el entrenamiento en modelos de aprendizaje profundo.

Este artículo presenta un nuevo método para interpretar las salidas de redes neuronales mediante inversión.

Examinando cómo los sistemas mantienen la estabilidad en marcos de tiempo definidos.

Nuevos modelos simplifican la compresión de datos sin perder calidad.

Un nuevo método mejora la eficiencia y precisión del aprendizaje de las redes neuronales profundas.

TPGM mejora el rendimiento del modelo durante el ajuste fino para nuevos datos.

Una mirada a las redes neuronales profundas con penalización escasa y sus aplicaciones.

Un nuevo marco mejora la reconstrucción de formas 3D a partir de imágenes borrosas.

Esta red mejora la precisión al encontrar imágenes detalladas.

Presentamos TWINS, un marco que mejora el rendimiento del modelo contra ataques adversariales.

Un nuevo método mejora la eficiencia de entrenamiento de ecuaciones diferenciales neuronales usando estrategias adaptativas.

Un estudio sobre cómo mejorar la eficiencia de las redes neuronales eliminando pesos y datos de entrada.

Explorando nuevas capas para mejorar la eficiencia y el rendimiento de las CNN.

Un nuevo método mejora el rendimiento de VAE usando conceptos binarios.

Explora cómo los modelos de aprendizaje automático pasan de memorizar a hacer predicciones precisas.

Nuevo modelo mejora el control de manos prostéticas usando señales sEMG.

Un nuevo modelo mejora la comprensión de la actividad neuronal y sus implicaciones para la investigación del cerebro.