Informatique - Informatique neuronale et évolutive

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.

Un aperçu de comment les algorithmes évolutifs se débrouillent quand ils font face à différentes contraintes.

Une étude sur comment des créatures similaires à des cellules évoluent par sélection naturelle dans un environnement virtuel.

Un nouveau cadre améliore la détection des chemins d'attaque cyber.

Un design matériel innovant pour l'apprentissage en temps réel dans les réseaux de neurones à pics.

Cette étude montre comment adapter la technologie TTS à différents accents de manière efficace.

Un aperçu des mécanismes et des applications des réseaux de neurones à spikes.

Une nouvelle méthode d'entraînement améliore les performances de l'informatique hyperdimensionnelle en intégrant des niveaux de confiance.

Cette étude se concentre sur la reconnaissance des dialectes arabes en utilisant des méthodes avancées et des données limitées.

Une nouvelle méthode améliore la vitesse et la précision de l'analyse des données en utilisant des arbres décisionnels bayésiens.

Cette méthode améliore la performance pour résoudre efficacement des problèmes d'optimisation sous contraintes.

ARO propose une solution rapide et précise pour détecter la fraude par carte de crédit.

Recherche sur comment les réseaux de neurones accomplissent plusieurs tâches efficacement.

Explorer l’efficacité des stratégies évolutives pour trouver des initialisations de réseaux clairsemés.

LLMatic combine des grands modèles de langage et des stratégies de qualité-diversité pour une recherche d'architecture neurale efficace.