Derniers articles pour Réseaux de neurones

Une nouvelle méthode améliore les capacités de raisonnement des GNN pour des tâches de relations complexes.

Cet article parle d'améliorer la vitesse d'entraînement des réseaux de neurones en utilisant l'apprentissage par transfert à partir de superréseaux.

De nouvelles architectures de réseaux de neurones améliorent la stabilité et la précision pour résoudre des équations différentielles partielles.

Examiner comment les réseaux de croyance profonds peuvent apprendre des données et créer des représentations complexes.

Améliorer les modèles d'enseignants booste la perf des élèves en apprentissage automatique.

Une méthode pour améliorer la compréhension de la prise de décision des réseaux de neurones.

Examiner comment les neurones inhibiteurs façonnent la fonction cérébrale et la connectivité.

Un aperçu de l'estimation de la plage de sortie en utilisant le recuit simulé dans les réseaux de neurones.

Une comparaison des KAN et des MLP en termes de performance de classification et d'efficacité matérielle.

De nouvelles méthodes améliorent l'efficacité de l'évaluation des réseaux de neurones récurrents non linéaires pour diverses applications.

Une nouvelle méthode améliore la performance des réseaux de neurones grâce à une meilleure initialisation axée sur l'émergence.

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

Cette étude examine l'efficacité des attaques par backdoor physique en clean-label dans les réseaux de neurones profonds.

De nouvelles techniques de taille améliorent les modèles d'apprentissage profond pour les smartphones avec des ressources limitées.

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

Une nouvelle méthode améliore la précision et l'efficacité des 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.

xAI-Drop utilise l'explicabilité pour améliorer la performance et la clarté des réseaux de neurones graphiques.

BackdoorBench propose une approche unifiée pour évaluer les méthodes d'apprentissage par backdoor dans les réseaux de neurones profonds.

Une méthode pour localiser et comprendre les faiblesses des modèles de langage pour une meilleure fiabilité.

Explorer les capacités des réseaux sinusoïdaux pour gérer des données complexes.

Les réseaux de neurones améliorent les tests à deux échantillons pour l'analyse de données complexes.

Une nouvelle approche pour améliorer l'efficacité dans l'apprentissage multitâche en utilisant des matrices de faible rang.

SpikeYOLO améliore les SNN pour une efficacité et une précision de détection d'objets optimisées.

La moyenne améliore la performance et la stabilité des KAN dans les tâches d'apprentissage machine.

Cette recherche étudie l'impact de l'élagage et des structures aléatoires sur la performance des RNN.

Les réseaux de neurones RUM utilisent des marches aléatoires et de la mémoire pour améliorer le traitement des graphes.

Un nouveau cadre pour évaluer les autoencodeurs épars à travers les échecs et l'Othello.

Découvre comment l'ambiance et les visuels peuvent améliorer les prédictions de l'IA.

Une nouvelle méthode améliore la prédiction des émotions dans l'analyse de la parole.

Explorer des taux d'apprentissage améliorés dans les réseaux de neurones pour le calcul scientifique.

Un nouveau benchmark évalue des méthodes pour mesurer la similarité de représentation en apprentissage automatique.

Une nouvelle méthode améliore la capacité des réseaux de neurones à apprendre et à appliquer des connaissances.

Cet article examine les avancées en IA au-delà des transformers.

De nouvelles méthodes pour mieux contrôler les RNN améliorent les simulations d'effets audio.

Explorer comment les modèles de diffusion transforment et génèrent des données grâce à du bruit systématique et à la dé-bruitisation.

De nouvelles méthodes améliorent l'entraînement et la performance des Réseaux Kolmogorov-Arnold informés par la physique.

Une nouvelle méthode utilise des réseaux de neurones graphiques pour améliorer l'efficacité du coloriage de graphes.

Une nouvelle méthode améliore l'entraînement des réseaux de neurones en utilisant une approche d'optimisation hybride.

Une nouvelle approche pour analyser comment les modèles d'image résistent aux changements d'entrée.