Informatique - Informatique neuronale et évolutive

Explorer comment des processus similaires à ceux du cerveau améliorent l'apprentissage automatique.

Une nouvelle méthode améliore l'adaptabilité des robots à pattes aux environnements changeants.

Examen de comment les ordinateurs réservoir imitent les cerveaux des mouches à fruits pour le multitâche.

Une nouvelle méthode optimise les hyperparamètres en équilibrant plusieurs objectifs dans l'apprentissage automatique.

Un modèle informatique simule comment le cortex préfrontal gère les tâches et la mémoire.

Cette étude explore l'entraînement des machines d'Ising pour des tâches d'IA en utilisant une méthode novatrice.

Une nouvelle méthode améliore l'efficacité du NMPC en utilisant des stratégies d'espace de recherche adaptatives.

Une nouvelle méthode utilise des algorithmes génétiques pour créer des données synthétiques tout en protégeant la vie privée.

De nouveaux opérateurs de mutation améliorent les performances des algorithmes évolutifs dans les problèmes d'optimisation.

Un nouveau modèle de réseau de neurones combine efficacité et méthodes d'entraînement efficaces.

Cet article parle d'utiliser les données ancestrales pour améliorer les performances des algorithmes evolutionnaires.

Comment le design des robots influence les capacités d'apprentissage et la performance des tâches.

Un nouveau cadre améliore la capacité de l'IA à gérer l'incertitude dans ses prédictions.

L'encodage par décalage de nœud offre une meilleure approche au problème du voyageur de commerce.

Examiner comment les algos se comportent avec du bruit pendant l'optimisation multi-objectifs.

Des recherches montrent comment les systèmes apprennent à s'adapter en temps réel en utilisant des mécanismes semblables à ceux du cerveau.

Explorer de nouvelles méthodes pour une défense périphérique efficace en utilisant la technologie et l'apprentissage décentralisé.

Un nouveau design de neurone améliore les capacités des CNN tout en réduisant les coûts de calcul.

Cette étude explore les stratégies de navigation dans un environnement simulé de labyrinthe aquatique de Morris.

Des chercheurs découvrent que des modèles plus simples peuvent rivaliser avec des réseaux plus profonds en termes de performance.

Nouvelle bibliothèque améliore l'entraînement et l'évaluation de l'IA dans NetHack.

Explorer comment le RNS peut améliorer l'efficacité et la précision dans l'apprentissage profond.

Examiner les connexions neuronales qui permettent la mémoire et l'apprentissage dans le cerveau.

Un nouveau cadre évalue comment les modèles de parole s'adaptent à des tâches spécifiques.

CorInfoMax vise à améliorer les réseaux de neurones en imitant les processus d'apprentissage biologiques.

Apprends des manières efficaces de récupérer des données en utilisant des méthodes de calcul hyperdimensionnel.

Nouvelles méthodes pour renforcer la résistance des SNN contre les attaques.

Découvrez comment les groupes peuvent résoudre efficacement des problèmes complexes grâce à des méthodes de recherche compétitives.

Nouveau modèle imite des motifs biologiques avec des réseaux neuronaux sans entrée externe.

De nouvelles méthodes améliorent l'efficacité et la précision dans l'entraînement des transformateurs avec de l'arithmétique en basse précision.

De nouvelles méthodes s'attaquent aux défis des réseaux de neurones en utilisant la technologie des memristors.

Comprendre les modèles de machine learning est super important pour la confiance et la responsabilité.

QNNRepair améliore la précision des réseaux de neurones après quantification.

Le modèle de neurone ELM simplifie la compréhension des fonctions cérébrales complexes avec moins de paramètres.

CIMulator aide à optimiser les dispositifs de mémoire pour de meilleures performances en IA.

Un nouveau modèle de neurone améliore l'apprentissage local dans les réseaux de neurones.

Explore les différences entre les ANN et les SNN dans le traitement des données.

Explorer l'évolution des automates cellulaires avec des règles adaptatives pour des systèmes complexes.

Une nouvelle méthode révèle des infos sur le fonctionnement des réseaux de neurones au fil du temps.

Une nouvelle méthode permet des simulations neuronales plus rapides avec une création de connexions flexibles.