Derniers articles pour Réseaux de neurones

L'architecture innovante améliore l'efficacité de l'apprentissage profond grâce à la computation optique.

Ce papier examine le changement soudain dans la capacité d'apprentissage des réseaux de neurones.

Un aperçu des techniques de transfert de poids et leur impact sur l'entraînement des réseaux de neurones.

Cette étude évalue le rôle des automates cellulaires neuronaux dans la segmentation d'images médicales.

Examiner comment les SNNs se comparent aux ANN en consommation d'énergie.

Analyse de l'impact des composants basés sur les quaternions sur les performances de classification d'images.

Une nouvelle méthode améliore la performance des réseaux de neurones bayésiens grâce à la symétrisation.

Le Réseau Dowker Neural Dynamique améliore l'analyse des graphes dirigés en évolution.

Un nouveau modèle améliore la précision de détection des objets dans des images complexes.

TINA rend le traitement du signal plus simple sur le matériel des réseaux de neurones.

G2C3 améliore les simulations de la microturbulence plasma dans les dispositifs de fusion en utilisant des réseaux de neurones.

Examiner l'organisation et la spécialisation des neurones dans les modèles de transformeurs.

Ce papier explore les mécanismes derrière les activations des neurones et leur impact sur la performance du modèle.

Une nouvelle méthode pour gérer le déséquilibre des classes avec Whitening-Net améliore la performance de classification d'images.

De nouvelles méthodes de compression d'images améliorent l'efficacité et la qualité.

Cet article parle du lien entre les RvNN et les Transformers à travers les CRvNN et les NDR.

Une nouvelle approche améliore les méthodes acteur-critique en apprentissage par renforcement.

Une nouvelle approche améliore la segmentation d'images en utilisant des techniques de supervision limitée.

Les RTUs améliorent l'efficacité et l'adaptabilité dans les tâches d'apprentissage séquentiel et de contrôle.

Une nouvelle approche simplifie les réseaux de neurones grâce à des opérations linéaires et des systèmes dynamiques.

Des chercheurs améliorent les réseaux neuronaux optiques avec des poids ternaires, boostant les performances et l'efficacité.

Examiner comment les techniques de régularisation influencent la capacité de l'apprentissage automatique à gérer des entrées inconnues.

Découvre comment les nouvelles méthodes améliorent l'ensemblage de poids en apprentissage machine.

K-Origins améliore l'évaluation des couleurs dans les réseaux de neurones pour une analyse d'image améliorée.

Apprends comment les symétries de groupe peuvent améliorer les modèles de classification en apprentissage automatique.

Un nouveau cadre améliore l'efficacité de la télédétection en utilisant des techniques inspirées du cerveau.

Découvre comment le nouveau cadre SwinNPE améliore la compression d'images sans perdre en qualité.

Les réseaux de neurones convolutifs guidés par la physique améliorent la précision de détection d'images avec peu de données.

Une nouvelle méthode vise à améliorer la précision dans les tâches de traduction.

De nouveaux modèles améliorent les performances dans les tâches de classification de données en utilisant des concepts du sommeil.

Découvrez comment les opérateurs de Parseval améliorent le traitement d'images dans les CNN.

Cet article parle de l'utilisation du son pour aider les robots à détecter des obstacles.

Cet article évalue l'efficacité des autoencodeurs spars dans la représentation des connaissances sur les villes.

TF-Mamba améliore la localisation sonore grâce à une nouvelle approche qui intègre des données temporelles et fréquentielles.

De nouvelles méthodes améliorent la performance des réseaux de neurones sur des appareils à ressources limitées.

Cet article explore l'impact des Activations Massives dans les GNNs basés sur l'attention.

Explorer l'impact du codage prédictif sur les méthodes d'apprentissage des réseaux de neurones.

Une nouvelle méthode permet de convertir plus facilement les ANN en SNN avec moins de consommation d'énergie.

Utiliser des réseaux de neurones pour améliorer le Monte Carlo variationnel dans les systèmes quantiques.

Explorer le rôle des réseaux non-autorégressifs dans la résolution de problèmes d'optimisation complexes.