Derniers articles pour Réseaux de neurones

Cet article examine comment les réseaux de neurones améliorent les prédictions avec de petits poids initiaux.

Traiter la surestimation de la valeur et le biais de récence pour améliorer la performance des agents.

Examiner comment la largeur du réseau impacte la rétention des connaissances pendant des tâches d'apprentissage séquentiel.

Introduction des réseaux péripteraux sous-modulaires profonds pour un apprentissage efficace des données.

Les chercheurs analysent les États Quantiques Neuraux pour améliorer la modélisation des systèmes quantiques.

Explorer comment les exemples adverses influencent les modèles d'apprentissage automatique.

Un regard de plus près sur l'équilibre entre la profondeur et la largeur dans les ODEs neuronales.

FOCIL permet aux machines d'apprendre sans oublier efficacement leurs connaissances passées.

Une nouvelle méthode améliore la génération de molécules semblables à des médicaments avec un isomérisme optique.

Une étude sur la généralisation des réseaux ResNet profonds scalés.

Une nouvelle méthode d'entraînement aide les modèles de langage à mieux se souvenir des infos.

Une étude révèle comment les modèles de langue apprennent les caractéristiques de genre à partir de quelques exemples.

Des recherches montrent comment les cellules simples s'adaptent aux infos visuelles avec le temps.

Apprends comment les têtes de projection améliorent les modèles d'apprentissage automatique.

Une nouvelle méthode améliore l'efficacité et l'adaptabilité de la conception des réseaux de neurones selon les tâches.

Un aperçu du comportement particulier des réseaux de neurones profonds pendant l'entraînement.

Apprends comment une représentation de poids efficace améliore les performances des RNN pour différentes tâches.

Le lissage des étiquettes améliore la précision mais peut nuire à la fiabilité de la classification sélective.

Un aperçu de comment les blocs de transformateurs linéaires améliorent les modèles de langue grâce à l'apprentissage contextuel.

Un nouveau modèle améliore la prédiction de performance dans les réseaux de neurones grâce à un meilleur flux d'informations.

Cet article présente une nouvelle méthode pour améliorer l'apprentissage incrémental de classes à quelques exemples.

Un nouveau modèle améliore la compréhension et l’adaptabilité dans la prise de décision de l'IA.

Une nouvelle méthode pour protéger les modèles d'apprentissage automatique des attaques de données malveillantes.

Cet article parle des avantages de RoPE pour les Vision Transformers dans différentes tâches.

Découvre comment DeepONet améliore les prédictions de fabrication et optimise les processus.

Cette recherche met en avant le rôle du codage épars dans la protection de la vie privée des réseaux de neurones.

MVSplat révolutionne la reconstruction 3D en utilisant des images rares avec des techniques efficaces.

LiFT améliore les Vision Transformers pour les tâches d'image détaillées de manière efficace.

Explore comment le bruit impacte la performance des Réseaux Neurologiques Quantiques Hybrides.

Explorer l'intersection entre la théorie des catégories et les frameworks d'apprentissage profond.

Une méthode utilisant des expressions de Fourier pour analyser efficacement les réseaux de neurones modernes.

Une nouvelle méthode combine des réseaux de neurones pour améliorer l'efficacité et la performance.

Examiner les premières techniques d'entraînement pour améliorer la performance des réseaux de neurones sur des données inconnues.

Un référentiel pour évaluer la capacité de l'apprentissage auto-supervisé dans des tâches géométriques.

Cet article parle des méthodes d'élagage pour améliorer l'efficacité des réseaux de neurones.

Les réseaux de neurones tropicaux renforcent la résilience contre les attaques adversariales en apprentissage automatique.

Une nouvelle méthode montre que l'apprentissage variationnel peut exceller dans la formation de modèles complexes.

Découvre une nouvelle méthode de restauration d'image en utilisant la reconstruction auto-guidée.

Un guide pour améliorer la mémoire associative en utilisant des méthodes de descente de gradient.

Explore les forces et les faiblesses des RNN et des Transformers en traitement du langage naturel.