Informatique - Informatique neuronale et évolutive

Explorer la capacité du cerveau à interpréter les infos sensorielles et à prédire des résultats.

Cet article examine comment la configuration et l'entraînement affectent la performance des réseaux de neurones.

Une nouvelle méthode pour faire pousser des réseaux de neurones artificiels inspirée par la biologie.

De nouvelles méthodes améliorent la performance des ensembles en apprentissage automatique automatisé.

Explore comment les plantes virtuelles s'adaptent et évoluent dans des environnements simulés.

L'informatique neuromorphique améliore le filtrage des données dans les expériences de physique des hautes énergies.

De nouveaux modèles linéaires défient les méthodes traditionnelles dans le traitement des données séquentielles.

Un aperçu des méthodes de taille et de quantification appliquées à YOLOv5.

Examiner différentes stratégies pour une optimisation efficace dans des espaces de recherche finis et infinis.

Des chercheurs améliorent les réseaux de neurones en utilisant des puces neuromorphiques pour une meilleure prise de décision.

Les techniques d'apprentissage automatique transforment la mécanique des solides en rendant la résolution de problèmes plus rapide et efficace.

Découvre les dernières innovations en optimisation de portefeuille et gestion des risques.

De nouvelles méthodes améliorent l'efficacité des réseaux de neurones à impulsions grâce à une réduction des tirs.

Une nouvelle méthode améliore l'apprentissage dans les réseaux de neurones à spikes en intégrant des ajustements de délai.

RAVENS imite le fonctionnement du cerveau pour créer des puces informatiques adaptatives.

Un aperçu de comment l'informatique par réservoir s'attaque aux défis des données dépendantes du temps.

Les flux d'affectation d'état quantique améliorent l'analyse des données grâce à des affectations de labels flexibles.

Explorer de nouvelles méthodes pour entraîner efficacement des réseaux de neurones récurrents.

Explorer des pistes biologiques pour améliorer les technologies de Deep Learning.

Cet article examine comment les modèles biologiques améliorent l'IA grâce aux réseaux de neurones à impulsion.

Cette étude examine comment les composants d'algorithme influencent les performances dans l'optimisation multi-objectifs.

L'apprentissage actif améliore l'efficacité de l'entraînement des données grâce à une sélection stratégique des échantillons.

Une étude révèle la reconnaissance d'activité humaine économe en énergie utilisant des réseaux de neurones à impulsions dans les appareils portables.

Un nouveau design de ConvNet améliore la flexibilité et l'adaptabilité grâce à une symétrie continue.

Un cadre pour améliorer les prédictions en machine learning avec clarté et confiance.

Cet article examine comment la neuroévolution améliore la prédiction de trajectoire des véhicules grâce à l'optimisation multi-objectifs.

Une nouvelle méthode mélange la programmation logique avec des modèles probabilistes pour améliorer la prise de décision.

Une nouvelle couche renforce la résistance des DNN aux changements subtils d'entrée.

Des chercheurs améliorent les modèles informatiques du système immunitaire grâce à des machines d'état fini pondérées.

L'étude met en avant des méthodes pour améliorer les performances de l'informatique de réservoir dans des prévisions complexes.

De nouveaux designs améliorent l'efficacité et la consommation d'énergie des processeurs neuromorphiques.

Découvrez l'impact des activations linéaires par morceaux sur les modèles d'apprentissage profond.

Des chercheurs utilisent l'apprentissage profond pour améliorer les modèles de turbulence en dynamique des fluides.

Un cadre qui améliore la comparaison de performance des algos grâce à des visuels.

Combiner des DNN et des SNN avec un chiffrement homomorphe pour garantir la confidentialité des données.

FeatGeNN innove la génération de caractéristiques, améliorant la performance des modèles d'apprentissage machine.

Explorer le potentiel des stratégies d'évolution naturelle dans les modèles d'inférence variationnelle.

Présentation des nœuds SNN réversibles pour un entraînement efficace et une utilisation optimale de la mémoire.

Un nouveau modèle combine U-Net et des réseaux de neurones à impulsions pour des tâches d'image efficaces.

SpikingBERT combine des réseaux neuronaux à impulsions avec des tâches de langage pour une meilleure efficacité énergétique.