Informatique - Informatique neuronale et évolutive

Explorer les avantages des propriétés neuronales variées dans les réseaux de neurones avancés.

Présentation d'une approche de mémoire hybride pour améliorer les performances de l'IA.

Cet article passe en revue une méthode pour générer des textures en utilisant des automates cellulaires neuronaux.

Une nouvelle approche d'IA utilise le tunnelage quantique pour mieux comprendre des images complexes.

L'Architecture Réseau Dynamique propose une nouvelle approche des systèmes visuels intelligents.

GRASS améliore les réseaux de neurones graphiques avec des mécanismes de réinvention et d'attention innovants.

Examiner l'impact des fonctions d'activation périodiques sur l'efficacité d'apprentissage et la généralisation.

Ce papier présente un cadre pour l'optimisation de boîte grise pour améliorer les techniques de résolution de problèmes.

Utiliser la programmation génétique pour améliorer l'analyse des séquences d'ADN et les prédictions.

Évaluer les capacités des LLM avec des jeux en grille comme Tic-Tac-Toe et Puissance 4.

Découvre comment l'inférence active booste les capacités des voitures autonomes.

OIDD améliore le design des robots souples pour une meilleure adaptabilité et performance.

Un aperçu de l'utilisation de l'algorithme génétique compact catégorique pour une meilleure optimisation.

Un modèle hybride améliore la restauration d'images en utilisant des réseaux de neurones à impulsion et des réseaux de neurones convolutionnels.

Une nouvelle méthode utilise des biosignaux pour classifier efficacement la douleur chronique au bas du dos.

GOMEA améliore la vitesse de résolution de problèmes grâce à des techniques évolutives avancées.

De nouveaux réseaux de neurones utilisant des mémristors améliorent l'efficacité et l'adaptabilité.

Une méthode pour améliorer la communication et l'efficacité dans les réseaux électriques.

De nouvelles méthodes améliorent les opérateurs génétiques dans les algorithmes évolutionnaires en utilisant l'apprentissage profond.

Enquêter sur comment les transformers apprennent et se généralisent à partir de tâches compositionnelles.

Un cadre pour améliorer les opérations aéroportuaires pendant les urgences tout en maintenant les vols réguliers.

Voici SpikeVoice, un système écoénergétique pour une synthèse vocale de haute qualité.

Une nouvelle méthode pour améliorer l'efficacité de l'entraînement des réseaux de neurones à spikes.

Techniques pour optimiser les RNN, en se concentrant sur Mamba et les défis de quantification.

Des recherches montrent comment la variabilité améliore les contrôleurs ANN pour de meilleures performances dans des environnements divers.

Explorer le rôle des systèmes neuromorphiques dans la gestion des défis des micro-réseaux.

Une nouvelle approche utilisant la programmation génétique pour expliquer les processus de décision de l'IA.

Une nouvelle méthode s'attaque aux problèmes d'optimisation complexes de manière efficace.

Des recherches montrent comment la musique influence l'activité cérébrale en utilisant l'intelligence d'organoïdes.

Découvrez comment la taille de la population et la redondance des cas de test influencent la sélection lexicase.

Explorer comment les robots peuvent s'adapter grâce à leur forme physique pour un comportement intelligent.

Des designs innovants pour les caméras améliorent la façon dont les machines détectent les objets en mouvement.

Une nouvelle méthode améliore l'analyse des données neuronales dans différentes régions du cerveau.

Découvrez comment l'apprentissage continu transforme l'intelligence artificielle et ses applications.

Techniques pour gérer les hyperparamètres et les poids du modèle pour une meilleure performance.

Cet article analyse les algorithmes co-évolutionnaires pour des problèmes d'optimisation adversariale binaire.

Explorer comment la structure temporelle améliore la performance des réseaux de neurones à impulsions.

MALT améliore l'efficacité et le succès des attaques adversariales dans les modèles de classification d'images.

CAReLU améliore l'apprentissage en équilibrant les valeurs positives et négatives dans les modèles d'apprentissage profond.

Une comparaison entre les SNN et les ANN pour le flux optique en utilisant des données de caméras basées sur des événements.