Articoli più recenti per Parametri

Uno studio su come distribuire efficientemente i punti nello spazio bidimensionale.

Un nuovo metodo permette ai modelli di machine learning di dimenticare i dati in modo efficace e veloce.

Le rappresentazioni compatte delle parole migliorano le prestazioni e l'efficienza del modello linguistico.

Uno sguardo a come le mappe twist collegate mostrano comportamento ergodico e parametri di taglio.

Questo studio sviluppa un modello per simulare la diffusione del COVID-19 e valutare le restrizioni sociali.

Un'idea di come comportamenti caotici nascano da foci a sella in vari sistemi.

Un nuovo metodo collega la conoscenza pregressa ai modelli di miscele finite per il clustering.

Un nuovo modello statistico che migliora l'analisi dei dati in diversi settori.

Utilizzando simulazioni e machine learning per migliorare la nostra comprensione della formazione delle stelle.

Un nuovo modo per capire e prevedere le abitudini di fumo.

Scopri come la scarsità migliora l'efficienza nei modelli di apprendimento multi-task.

Un metodo fresco punta ad aiutare i modelli ad imparare nuovi compiti senza dimenticare quelli vecchi.

Questo articolo esamina le incertezze nei parametri dei modelli termodinamici e i loro effetti sulle previsioni.

Un nuovo metodo semplifica la messa a punto dei modelli climatici, migliorando l'affidabilità e risparmiando tempo.

Un nuovo approccio all'ottimizzazione usando la geometria riemanniana per risultati migliori.

Un approccio basato sui dati per migliorare l'efficienza e la personalizzazione nella produzione di microgel.

Delta-LoRA semplifica il fine-tuning per i grandi modelli di linguaggio, offrendo prestazioni migliori e un minor consumo di risorse.

Le ODE neurali uniscono reti neurali con sistemi dinamici per un apprendimento avanzato.

Scopri come l'evoluzione diretta ottimizza le funzioni delle proteine per applicazioni nel mondo reale.

SparseSwin offre classificazione delle immagini efficiente con meno parametri e alta precisione.

phi-1.5 dimostra che modelli più piccoli possono dare buoni risultati con dati di qualità.

Nuovi metodi migliorano l'efficienza e le prestazioni nelle reti neurali usando Mixture of Experts.

Questo articolo parla del Salient Channel Tuning, un metodo per un fine-tuning efficiente di grandi modelli.

Un nuovo metodo per migliorare le previsioni nel deep learning bayesiano concentrandosi su parametri chiave.

Un metodo per migliorare i trasformatori grafici in modo efficiente e con un minor uso di risorse.

La ricerca fa luce sulla formazione e stabilità delle braccia a spirale nelle galassie.

La ricerca migliora i modelli di deep learning per ambienti con risorse limitate.

I ricercatori sviluppano un modello per studiare le relazioni spaziali e gli impatti a distanza.

Le reti a nuvola di punti riducono i parametri mantenendo le performance nei compiti di deep learning.

Questo studio esplora come i batteri si muovono in base ai fattori ambientali usando dati sperimentali.

Un nuovo modo per prevedere la mortalità e migliorare la risposta ai disastri.

I polinomi di Jacobi grandi hanno proprietà uniche fondamentali per diverse applicazioni matematiche.

Uno sguardo ai modelli spaziotemporali nell'analisi dei dati.

I ricercatori studiano la forma delle linee di una particella rara usando dati di collisioni ad alta energia.

Nuovo modello migliora l'analisi delle relazioni complesse in statistica e machine learning.

Introducendo un nuovo metodo per ridurre l'uso della memoria quando si fa il fine-tuning di modelli grandi.

Un'attenzione nel perfezionare la stima dei parametri migliora l'accuratezza del modello di crescita tumorale.

Questo studio mette in evidenza l'importanza della variabilità nei processi cognitivi usando tecniche di modellazione avanzate.

I ricercatori sviluppano metodi per analizzare i dati stellari per capire meglio le stelle massive.

Uno sguardo ai Giochi Temporizzati Parametrici e alle loro applicazioni nei sistemi in tempo reale.