Derniers articles pour Réseaux de neurones

Cette étude montre comment les modèles de langue changent de comportement pendant l'entraînement.

Examiner comment les modèles de transformateur s'améliorent avec la taille et la complexité.

Une étude analyse la généralisation et la performance de la régression ridge avec caractéristiques aléatoires en utilisant des valeurs propres.

Une étude sur l'amélioration de l'entraînement des réseaux de neurones avec des fonctions d'activation non différentiables.

Voici SeTAR, une solution sans entraînement pour détecter les données hors distribution dans les réseaux de neurones.

Explorer les avantages des données répétées dans l'entraînement des réseaux de neurones.

Cet article parle de comment les réseaux de neurones profonds apprennent le langage en prédisant le prochain jeton.

Examiner comment les invites influencent le raisonnement dans les grands modèles de langage.

Cette étude examine comment les réseaux de neurones équivariants améliorent la performance du RL hors ligne en utilisant des données limitées.

Cet article parle de comment les modèles de neurones aident à analyser l'activité cérébrale complexe.

QuEE combine la quantification et les sorties anticipées pour un apprentissage automatique efficace.

Une nouvelle approche améliore l'optimisation des fonctions de perte complexes dans les réseaux de neurones.

Une nouvelle méthode prédit les positions de la sonde pour une imagerie plus claire en ptychographie.

Un aperçu de comment les réseaux linéaires apprennent et évoluent pendant l'entraînement.

Combiner la physique et la géométrie pour améliorer les prévisions de diffusion acoustique.

Découvre comment les Leaky ResNets améliorent les techniques d'apprentissage profond.

Un aperçu des défis d'injectivité et des méthodes dans les couches ReLU des réseaux de neurones.

Présentation de DARE, une méthode pour améliorer l'apprentissage automatique sans oublier les anciennes connaissances.

Une nouvelle approche améliore les modèles Transformer pour mieux traiter les longs textes.

Un regard sur le rôle de la complexité dans la performance des modèles.

Une nouvelle fonction de perte améliore l'apprentissage des caractéristiques dans les tâches de classification.

Explorer des méthodes de classification pour des mélanges gaussiens superposés en apprentissage automatique.

Un modèle révolutionnaire gère des graphes dynamiques tout en améliorant les performances et en réduisant le temps d'entraînement.

Examiner comment les couches de normalisation influencent la performance des transformateurs et la gestion des tâches.

Cette étude utilise des autoencodeurs épars pour interpréter les sorties de la couche d'attention dans les transformers.

De nouvelles méthodes améliorent la modélisation des problèmes électromagnétiques avec des interfaces en utilisant des réseaux de neurones.

Une nouvelle approche de réseau de neurones améliore la précision dans les lois de conservation hyperboliques.

Comment les mélanges d'experts améliore la performance dans les tâches d'apprentissage par renforcement profond.

Utiliser des réseaux de neurones sur des FPGA pour améliorer la fiabilité des communications à haute vitesse.

Explorer le rôle des neurones dans l'amélioration de l'interprétabilité des modèles IR.

Présentation d'une nouvelle approche pour améliorer la représentation et l'efficacité des données vidéo.

Examen de l'impact des masques d'attention et de la normalisation des couches sur les modèles de transformateurs.

PointTree propose une solution innovante pour reconstruire avec précision les connexions neuronales dans le cerveau.

Explorer les dernières évolutions des modèles pour traiter de longues séquences de données.

Cette étude examine comment la similarité des tâches affecte l'apprentissage continu dans les réseaux de neurones.

Cette étude examine comment la taille du modèle influence la performance dans l'Apprentissage Continu en Ligne.

Cette recherche explore comment gérer les activités neuronales avec des méthodes de contrôle avancées.

Explorer comment les modèles d'apprentissage profond imitent les compétences d'intégration des contours chez l'humain.

Une méthode pour compresser des images tout en garantissant leur sécurité pendant la transmission.

Un aperçu des méthodes pour clarifier les décisions de l'IA grâce au lissage des gradients.