Derniers articles pour Réseaux de neurones

Présentation d'un modèle neuronal qui améliore les mesures de similarité de graphes en tenant compte des coûts de modification.

Cette étude analyse à quel point les Transformers peuvent mémoriser des données dans différents contextes.

Examiner comment les modèles SSL mémorisent des points de données et ses implications.

Une nouvelle méthode améliore l'efficacité du modèle tout en réduisant sa taille.

Un nouveau cadre améliore les réseaux neuronaux pour les appareils avec des ressources limitées.

Cottention propose une alternative économe en mémoire aux méthodes d'attention traditionnelles en apprentissage automatique.

Un cadre qui fusionne différents types de connaissances pour améliorer les performances du modèle.

Cet article examine les MLP et les KAN dans des environnements avec peu de données.

Un aperçu de comment les CNN apprennent les caractéristiques des images et leurs similitudes universelles.

Analyser la sur-parameterisation dans RMLR et les futures pistes de recherche.

Une étude comparant les menaces à la vie privée dans les réseaux de neurones à impulsion et les réseaux de neurones artificiels.

MAST améliore l'efficacité dans la formation de plusieurs agents IA grâce à des méthodes sparses.

Un nouveau cadre améliore l'efficacité d'apprentissage dans l'apprentissage continu en ligne.

Les fonctions Zorro offrent des solutions fluides pour améliorer la performance des réseaux de neurones.

SATA renforce la robustesse et l'efficacité des Vision Transformers pour les tâches de classification d'images.

On vous présente l'apprentissage en contre-courant comme une alternative naturelle aux méthodes de formation traditionnelles.

Analyser les effets des méthodes de taille sur la performance et l'interprétabilité de GoogLeNet.

Une nouvelle méthode améliore l'apprentissage du comportement chaotique en utilisant le calcul par réservoir.

Cet article parle des réseaux de neurones qui mélangent efficacement approximation et généralisation.

Explorer de nouvelles méthodes pour réduire la taille des données textuelles de manière efficace.

Une nouvelle approche des réseaux de neurones utilisant la symétrie et des matrices structurées.

En train de voir comment le calcul quantique s'intègre dans les réseaux de neurones pour l'IA.

Une nouvelle technique améliore la qualité d'image en imagerie médicale en s'attaquant aux défis des données.

Découvrez comment les SMPNN gèrent efficacement des connexions de données complexes.

Améliorer les prédictions grâce à des sources de données variées et une estimation avancée de l'incertitude.

Cette étude examine comment la structure des données affecte l'apprentissage des réseaux de neurones.

Cet article explore comment la physique statistique aide à comprendre l'apprentissage des réseaux de neurones.

Une nouvelle méthode améliore l'efficacité des charges de travail d'attention pour les systèmes IA.

Une nouvelle méthode d'entraînement améliore l'efficacité et la précision de DeepONet pour des prédictions complexes.

Enquête sur comment les réseaux de neurones reconnaissent des formes avec des morceaux manquants.

Présentation du LH-DNN pour une classification hiérarchique améliorée.

Une nouvelle méthode aide les réseaux de neurones à apprendre plus efficacement et précisément.

Le dropout structuré améliore l'apprentissage du modèle et accélère les processus d'entraînement.

Les modèles 1-bit montrent un gros potentiel en termes d'efficacité et de performance dans l'apprentissage machine.

Une nouvelle approche réduit les erreurs dans l'apprentissage des robots à partir des démonstrations humaines.

Une étude sur l'utilisation de l'apprentissage automatique pour analyser les changements de phase des matériaux.

Explore des méthodes d'apprentissage locales qui transforment l'entraînement des réseaux de neurones.

Une nouvelle méthode pour identifier des backdoors Trojan dans les réseaux de neurones.

Explore comment les RNN imitent les fonctions cérébrales dans les tâches de résolution de problèmes.

Recherche sur l'optimisation des communications sans fil en utilisant l'apprentissage profond et les antennes PR.