Informatique - Informatique neuronale et évolutive

MoEUT améliore l'efficacité et les performances des Transformers Universels dans les tâches linguistiques.

Les MLPs montrent une efficacité surprenante dans l'apprentissage en contexte, remettant en question les idées sur la complexité des modèles.

Un aperçu des rêves neuromorphiques et leur impact sur l'efficacité de l'IA.

Les ETNN améliorent l'analyse de données complexes grâce à l'intégration topologique et géométrique.

Passer de l'ECDF à l'EAF améliore l'analyse de performance des algos.

Cette étude explore comment les agents communiquent en imitant des signaux utiles.

Explorer comment les GPU améliorent l'efficacité des algorithmes de Différentielle Évolution.

Explore le rôle de la mémoire et du contexte dans l'amélioration de l'apprentissage machine.

SynCx améliore la découverte d'objets en utilisant des poids à valeurs complexes et un traitement itératif.

Cet article parle de comment GRSNN améliore les tâches de raisonnement sur les graphes en utilisant le délai synaptique.

Le cadre CELL améliore la sélection d'interactions de fonctionnalités pour des recommandations personnalisées.

Cette étude examine la performance de la programmation génétique pour des tâches de régression symbolique.

Ce papier présente L-HiTS, une méthode pour simuler des systèmes complexes en utilisant l'apprentissage profond.

Un regard de plus près sur le rôle de la rétropropagation dans l'apprentissage machine et biologique.

Les DDPM créent de nouvelles images en mélangeant des attributs de différentes catégories.

Explorer comment la dynamique chaotique peut améliorer les réseaux de neurones profonds en intelligence artificielle.

Cet article examine une nouvelle façon de créer des algorithmes avec des LLMs.

Découvrez comment les SNN améliorent l'efficacité énergétique dans les systèmes de conduite autonome.

Une nouvelle méthode combine l'apprentissage profond et les algorithmes génétiques pour une inférence bayésienne plus rapide.

Une nouvelle méthode améliore les prédictions du système en utilisant des approches basées sur les données.

Explorer des méthodes avancées pour une analyse efficace des données graphiques.

La conférence GECCO explore l'impact des stratégies de sélection sur la performance des algorithmes.

Une nouvelle méthode de décroissance de poids améliore la sparsification dans les réseaux de neurones.

Explorer comment les retours humains influencent le comportement des véhicules autonomes via des systèmes de récompense.

Les DSNN traitent l'info comme de vrais neurones, offrant une meilleure efficacité pour gérer les données.

CADE optimise les réseaux de neurones à pointes pour de meilleures performances et une meilleure efficacité.

Cet article parle de l'utilisation de politiques symboliques dans les systèmes de contrôle via la programmation génétique.

Un nouveau benchmark améliore les méthodes d'optimisation multi-objectifs hors ligne dans différents domaines.

Une nouvelle approche améliore les SNN en convertissant efficacement les ANNs.

Explorer la formation de la mémoire et les processus d'apprentissage dans les systèmes biologiques et artificiels.

Un nouveau cadre améliore les méthodes de pruning pour les grands modèles de langage sans réentraînement.

Un nouveau modèle S6 améliore les performances et l'efficacité des réseaux de neurones à impulsions.

RefQD améliore l'efficacité des ressources dans les algorithmes QD pour la génération de solutions variées.

NeuroSA utilise l'informatique neuromorphique pour résoudre efficacement le problème d'Ising.

Une nouvelle approche améliore l'efficacité pour résoudre des problèmes complexes dans différents domaines.

Un guide clair pour choisir les bons algos pour différents défis d'optimisation.

Cet article examine comment les formes internes dans les modèles de langue évoluent pendant leur processus d'apprentissage.

Un nouveau cadre combine l'apprentissage profond avec la physique pour améliorer les prédictions des EDP.

Explorer comment les structures modulaires améliorent l'efficacité et l'adaptabilité des réseaux de neurones artificiels.

Découvrez comment les ordinateurs de réservoir stochastiques changent le paysage de l'apprentissage automatique.