Informatique - Informatique neuronale et évolutive

Les réseaux de nuages de points réduisent les paramètres tout en gardant la performance dans les tâches d'apprentissage profond.

ThinResNet établit des repères fiables pour comparer les méthodes d'élagage dans les réseaux de neurones.

L'automatisation de la conception des RNN améliore la modélisation des systèmes dynamiques.

Une nouvelle méthode corrige les prédictions de l'apprentissage automatique dans les applications d'ingénierie.

Explorer comment le design des robots influence le mouvement et l'apprentissage des tâches.

SAM améliore l'entraînement des réseaux de neurones en se concentrant sur la stabilité des paramètres.

Explorer comment l'apprentissage automatique améliore le contrôle prédictif basé sur des modèles pour de meilleures performances système.

Des technologies avancées améliorent les prévisions de température dans les fours de réchauffage pour une meilleure efficacité.

PyVRP propose des solutions efficaces pour des défis de routage de véhicules complexes.

Un aperçu pour améliorer l'apprentissage machine grâce aux techniques d'apprentissage de représentation.

Une méthode qui imite l'apprentissage humain pour une meilleure adaptabilité des machines.

Une nouvelle approche combine deux méthodes pour mieux résoudre les problèmes.

Une nouvelle approche fusionne des modèles d'état avec des réseaux de neurones à impulsions pour une meilleure gestion des données.

Apprends comment les méthodes inspirées de la bio améliorent la prédiction des maladies chroniques.

Un aperçu de plusieurs méthodes pour trouver plusieurs bonnes solutions.

Les DPCNN améliorent la reconnaissance d'image grâce à des méthodes de traitement semblables à celles du cerveau.

Explorer le potentiel des SNN dans les applications d'informatique en périphérie.

Voici DREA, un nouvel algorithme pour trouver des solutions fiables en optimisation.

Explorer le rôle des réseaux de neurones à valeurs hypercomplexes dans les applications modernes.

t-DGR propose une nouvelle approche de l'apprentissage continu, améliorant la rétention des tâches et la performance.

Un nouveau cadre améliore les SNN pour une meilleure efficacité et performance.

Un aperçu de l’entraînement modulaire inspiré du cerveau pour une meilleure clarté des modèles d'IA.

Combiner les retours d'experts avec des algos pour de meilleurs choix d'architecture logicielle.

Un aperçu des problèmes d'optimisation à variables mixtes et des avancées de recherche actuelles.

Un nouvel algorithme à double étape améliore l'efficacité de la planification dans les raffineries de pétrole brut.

La recherche se concentre sur la capacité des réseaux de neurones à s'adapter et à reconnaître des concepts dans l'incertitude.

Explorer les processus d'adaptation des systèmes physiques à travers le feedback et la structure.

Ce papier examine comment les GNN améliorent les défenses contre les cyberattaques tout au long de leur cycle de vie.

Une nouvelle méthode combine les LLM et la programmation génétique pour améliorer la génération de code.

Une nouvelle méthode améliore les algorithmes évolutionnaires pour des problèmes d'optimisation complexes.

Découvre comment le cerveau prévoit des résultats et gère les incertitudes dans la prise de décision.

Un nouvel algorithme améliore la prédiction des structures cristallines en utilisant des stratégies multi-objectifs.

Évaluer à quel point les conducteurs sont prêts dans des voitures à conduite automatisée conditionnelle.

Des méthodes de prévision améliorées boostent la gestion de l'énergie et la fiabilité.

Une étude révèle de fortes tendances dans les CNN séparables en profondeur liées à la vision biologique.

Apprends comment la moyenne des signaux améliore l'optimisation dans des environnements bruyants.

Les puces neuromorphiques améliorent la prise de décision des robots, optimisant la vitesse et l'efficacité énergétique.

Les GCUs relient les modèles d'apprentissage automatique aux fonctions des neurones biologiques pour une meilleure efficacité et interprétation.

Cette recherche parle des avantages des Agents Évolutifs dans l'informatique distribuée.

Apprends comment les benchmarks explicables améliorent la compréhension des algorithmes d'optimisation.