Derniers articles pour Réseaux de neurones

Présentation du Mélange d'Experts à Faible Rang pour améliorer les performances de l'apprentissage multitâche.

Une nouvelle méthode simplifie la conception d'architectures neuronales pour plusieurs objectifs.

De nouvelles techniques boostent la vitesse et l'efficacité des MLP sur les GPU Intel.

TransFusion améliore l'apprentissage contrastif avec une attention structurée et un traitement de données efficace.

Une nouvelle méthode améliore la précision et la rapidité dans l'estimation des constantes de Lipschitz pour les réseaux profonds.

Cet article parle des méthodes pour entraîner efficacement des réseaux de neurones ReLU à deux couches.

Cet article parle de l'importance de l'initialisation des paramètres dans les réseaux de neurones.

Une nouvelle méthode utilise l'apprentissage par renforcement pour élaguer les CNN pendant l'entraînement.

D'OH propose de nouvelles façons de représenter les signaux de manière efficace.

MambaMixer améliore l'efficacité de l'apprentissage profond pour les images et les prévisions de séries temporelles.

Ce papier parle des coûts et des améliorations pour les réseaux de neurones à faible précision.

Une nouvelle méthode améliore la façon dont les modèles représentent les relations entre les objets dans les images générées.

Explore des techniques pour améliorer la communication full-duplex dans les systèmes MIMO mmWave.

Un aperçu des réseaux de Hopfield pour la reconnaissance de motifs et le stockage de mémoire.

Une nouvelle approche de réseau de neurones améliore la modélisation des systèmes dynamiques rapides-lents.

Une exploration de comment les modèles de langage prédisent les futurs tokens par rapport à la pensée humaine.

Explorer comment l'informatique quantique améliore les modèles de diffusion pour une meilleure génération d'images.

Une nouvelle méthode s'attaque aux problèmes clés de l'apprentissage continu : la plasticité et l'oubli.

Examiner les défis de performance rencontrés par les algorithmes invariants de rotation dans des scénarios de données bruyantes et rares.

Comprendre l'impact des attaques adversariales sur les modèles de machine learning.

Un aperçu des différents types d'interneurones corticaux et de leurs rôles.

Un aperçu sur comment les agents s'adaptent dans leur apprentissage pour chercher de la nourriture.

De nouvelles méthodes améliorent les insights des données à partir de jeux de données complexes.

Un nouvel appareil améliore l'informatique basée sur la lumière pour les tâches d'IA.

Présentation de HeMeNet pour un apprentissage multi-tâches efficace des protéines en utilisant des structures 3D.

Examination des GNN pour classifier les événements de collision de particules.

L'empilement améliore l'efficacité de l'entraînement des réseaux de neurones profonds en tirant parti des connaissances existantes.

Explore comment le momentum booste l'efficacité dans l'entraînement des réseaux de neurones.

SpikExplorer simplifie la conception de réseaux de neurones à pics écoénergétiques pour les appareils portables.

L'étude examine comment les modèles quasi-interpolants se comportent sur des données jamais vues.

Explorer comment les transformateurs favorisent les fonctions à faible sensibilité pour une meilleure performance.

Une nouvelle perspective sur la façon dont les réseaux de neurones apprennent des caractéristiques à travers des chemins semblables à ceux des experts.

Une méthode pour améliorer la rétention des connaissances des modèles d'apprentissage automatique pendant l'entraînement sur de nouvelles tâches.

Les réseaux de neurones structurellement flexibles améliorent l'adaptabilité pour des tâches diverses.

Une nouvelle approche pour réduire la complexité des CNN tout en maintenant la performance.

Cette étude examine comment des initialisations de poids faibles impactent l'entraînement des réseaux de neurones.

La recherche se concentre sur l'amélioration de la vérification des réseaux de neurones avec des spécifications NAP minimales.

Un aperçu de comment les ajustements de paramètres façonnent l'entraînement des réseaux de neurones.

Cette recherche révèle des vecteurs de tâches qui améliorent la performance des modèles visuels sans exemples supplémentaires.

Une nouvelle méthode IA améliore la classification des cellules cancéreuses tout en gérant les effets de lot.