Cornelia Caragea

Un aperçu de comment BT-RvNN améliore l'utilisation de la mémoire et la performance dans les réseaux de neurones.

MarginMatch améliore l'entraînement des modèles avec des pseudo-étiquettes de haute qualité.

MarginMatch améliore l'apprentissage à partir de données étiquetées limitées en suivant la performance du modèle.

Cette étude examine l'ajout de récurrence aux Transformers pour améliorer les performances dans les tâches d'apprentissage machine.

FlowLearn améliore la compréhension des diagrammes de flux pour des modèles avancés avec des diagrammes scientifiques et simulés.

Cet article parle du lien entre les RvNN et les Transformers à travers les CRvNN et les NDR.