Últimos artículos para Redes Neuronales

La normalización por lotes mejora la eficiencia del entrenamiento y la precisión del modelo en redes profundas.

Nuevo enfoque mejora la retención de memoria en sistemas de aprendizaje automático.

Este artículo examina cómo las conexiones de salto mejoran el entrenamiento en redes neuronales de picos.

Descubre cómo el aprendizaje multitarea mejora el rendimiento de la IA en diferentes tareas.

Un nuevo modelo combina ANNs y SNNs para una percepción visual eficiente.

Aprende cómo los GSBCs mejoran el manejo de datos en redes neuronales.

Un nuevo modelo predice parámetros para acelerar el entrenamiento de redes neuronales.

Este artículo habla sobre cómo la simetría de grupo mejora la generalización en el aprendizaje profundo.

Poincaré ResNet usa geometría hiperbólica para mejorar la comprensión de imágenes y videos.

Esta investigación mejora las redes polinómicas para mejorar el rendimiento en tareas de reconocimiento de imágenes.

Explorando cómo la simetría mejora el rendimiento de las redes neuronales en varias tareas.

Aprende cómo la poda mejora la eficiencia y el rendimiento de las redes neuronales.

Un nuevo enfoque mejora el aprendizaje automático al integrar grupos de Lie en métodos bayesianos.

Nuevas métricas no diagonales mejoran la inferencia bayesiana para redes neuronales.

Un nuevo método mejora la selección de premisas usando redes neuronales gráficas y modelos de lenguaje.

Un nuevo método mejora la capacidad de INR para recuperar datos perdidos en imágenes.

Aprende cómo el aprendizaje auto-supervisado potencia modelos a través de datos sin etiquetar.

Un nuevo método mejora la eficiencia en el ranking de hiperparámetros en modelos de aprendizaje automático.

Examinando cómo las transiciones de fase afectan el rendimiento de las redes neuronales.

Utilizando geometría hiperbólica para mejorar el aprendizaje automático en tareas de visión por computadora.

Este estudio analiza cómo comenzar cerca de la criticidad afecta la adaptabilidad de los agentes neuronales.

Examinando cómo la inicialización de pesos afecta el rendimiento de la red neuronal durante el entrenamiento.

Presentando un enfoque novedoso para técnicas efectivas de compresión de modelos para redes neuronales.

Un nuevo método mejora la calidad de la traducción de imágenes y el control sobre los estilos.

Este artículo presenta una nueva medida de similitud para las representaciones de redes neuronales usando aprendizaje contrastivo.

Un nuevo método mejora el entrenamiento de Redes Neuronales Feedforward mediante una selección heurística inteligente.

Predicción eficaz de carga de trabajo usando avanzadas redes neuronales GRU para la gestión de recursos.

Usar muestreo de importancia puede mejorar la eficiencia y el rendimiento del entrenamiento de redes neuronales.

Este artículo analiza cómo las funciones de pérdida afectan el rendimiento de los modelos de aprendizaje automático.

Modelado 3D mejorado usando estéreo de múltiples vistas y renderizado neuronal.

Explorando el diseño y la efectividad del aprendizaje multitarea en visión por computadora.

Explora cómo la convolución invertible mejora las capacidades de procesamiento de imágenes.

Un nuevo marco mejora los Vision Transformers utilizando etiquetas de tarea para un mejor rendimiento.

Esta investigación mejora la detección MIMO usando un enfoque híbrido con autoatención.

Investigaciones revelan que los retrasos temporales mejoran la eficiencia y el rendimiento de la computación por reservorios.

Usando la teoría de matrices aleatorias para mejorar el rendimiento de redes neuronales profundas.

Un nuevo método para seleccionar proyecciones valiosas en escaneos de TC mejora la calidad de imagen.

SDM ofrece una forma para que las redes aprendan de manera continua sin olvidar la información antigua.

Este artículo habla sobre las causas y las implicaciones de la variación en el rendimiento de las redes neuronales.

Explorando el papel de pequeños motivos neuronales en el almacenamiento de memoria volátil.