Informatique - Informatique neuronale et évolutive

Un nouveau modèle améliore les données génétiques synthétiques pour un meilleur diagnostic et traitement.

Explorer le rôle des oscillateurs neuronaux dans l'avancement des technologies d'apprentissage automatique.

Cet article explore une nouvelle méthode d'IA pour étudier efficacement les modèles de neurones.

Un aperçu de comment le GKLS aide à évaluer les méthodes d'optimisation de manière efficace.

Une nouvelle méthode utilise des IRM et l'apprentissage automatique pour identifier l'Alzheimer de manière efficace.

Une méthode pour améliorer l'interprétabilité et la performance des réseaux de neurones inspirée du cerveau humain.

CHNNet offre un apprentissage plus rapide et de meilleures performances dans les réseaux de neurones.

Combiner des méthodes traditionnelles et l'apprentissage automatique pour améliorer les réseaux de transport urbain.

LavaBO propose des solutions efficaces pour des problèmes d'optimisation complexes en utilisant l'informatique neuromorphique.

SPENSER automatise la création de réseaux de neurones à pointes pour une meilleure classification d'images.

Améliorer les réseaux de neurones rares grâce à des fonctions d'activation et des hyperparamètres optimisés.

Une nouvelle approche de l'optimisation basée sur les principes du perfectionnisme.

GELU offre des avantages par rapport aux fonctions d'activation traditionnelles dans les réseaux de neurones.

Améliorer les systèmes de mémoire artificielle grâce à de nouveaux réseaux de Hopfield inspirés par la biologie.

Grad-Align+ améliore l'alignement des réseaux sans avoir besoin d'infos supplémentaires.

Explorer comment les ANC se développent et s'adaptent en utilisant des signaux internes et externes.

Présentation de l'algorithme intégré Forward-Forward pour améliorer l'entraînement des réseaux de neurones.

Cette recherche examine comment la compositionnalité influence l'imitation dans les systèmes de langue artificielle.

Un nouveau système utilise des modèles de cerveau pour aider les robots à se déplacer dans des espaces inconnus.

PAO rend l'optimisation plus facile à utiliser et à comprendre.

Comparer les capacités de résolution de problèmes des humains avec celles des ordinateurs neuromorphiques et traditionnels.

Une nouvelle méthode améliore la génération d'images en adaptant les prompts pour une meilleure satisfaction des utilisateurs.

Explorer le rôle de la construction de niche dans les processus évolutifs.

Explore comment voir les réseaux de neurones comme des fonctions utilitaires change notre compréhension de leur performance.

Combiner l'apprentissage actif et les contraintes physiques améliore les résultats de la régression symbolique.

CVGP aide les chercheurs à dénicher des relations complexes grâce à des expériences adaptatives.

Le cadre AD-NEv améliore la détection des anomalies grâce à des approches innovantes.

Cette recherche propose d'optimiser les neurones individuels pour améliorer les performances de l'IA.

Une nouvelle méthode améliore l'inférence bayésienne, en s'attaquant aux défis des données complexes.

Un nouveau modèle améliore la compréhension des systèmes de croyance dans la cognition humaine.

Examen de l'algorithme Forward-Forward et de son potentiel à imiter l'apprentissage biologique.

EfficientLIF-Net réduit les coûts mémoire dans les SNN tout en gardant de bonnes performances.

Apprends comment le DT-SNN améliore l'efficacité des réseaux de neurones.

Des chercheurs utilisent des données cérébrales pour améliorer l'apprentissage et l'adaptabilité de l'IA.

Explore NE-MOEA, une méthode non-élitiste pour résoudre efficacement des problèmes multi-objectifs.

Une nouvelle méthode prédit la performance des réseaux de neurones en utilisant seulement les paramètres de poids.

Explorer des méthodes pour améliorer l'intelligence artificielle en s'inspirant du cerveau.

Combiner la réécriture de graphes avec des GNN pour l'analyse dynamique des données.

De nouveaux réseaux de neurones apprennent les transformations directement à partir des données, ce qui améliore l'efficacité et la compréhension des symétries.

Une nouvelle méthode pour entraîner des réseaux de neurones qui combine classification et reconstruction.