Articoli più recenti per Regolarizzazione

iDARR offre un modo nuovo per recuperare chiarezza da immagini rumorose.

Esaminando l'addestramento avversariale per modelli di machine learning più forti contro gli attacchi.

La ricerca mostra che i metodi di regolarizzazione generali migliorano le performance degli agenti RL off-policy in diversi compiti.

Questo articolo parla di tecniche di campionamento nei modelli a campo medio nei sistemi complessi.

Un approccio fresco per valutare le reti neurali senza dover fare troppa formazione.

Un nuovo metodo migliora la stima dei nuclei di memoria nella dinamica delle particelle.

Un nuovo metodo migliora la privacy nell'apprendimento federato contro gli attacchi di inversione del gradiente.

Uno sguardo alle interazioni gravitazionali e ai movimenti del sistema Terra-Luna.

Questo articolo parla dei metodi per migliorare la resilienza del deep learning agli esempi avversariali.

Uno studio rivela i fattori che influenzano le prestazioni del GCN a strato singolo su vari modelli di dati.

Questo articolo parla di un nuovo metodo per migliorare le Extreme Learning Machines in diverse applicazioni.

Esaminando metodi per una migliore rilevazione dei segnali attraverso soluzioni intere.

Un nuovo metodo migliora la precisione nel localizzare fonti sonore in movimento usando array di microfoni.

Nuove tecniche nella tomografia fotoacustica migliorano l'imaging medico e la diagnosi.

Uno sguardo a come i cosmologi gestiscono i valori infiniti nei loro calcoli.

Scopri un nuovo metodo per il ripristino delle immagini usando la ricostruzione autoguidata.

Un nuovo metodo migliora l'estrazione delle informazioni dai rapporti sugli incidenti aerei.

Questo articolo parla dei metodi per addestrare in modo efficiente reti neurali ReLU a due strati.

Esplorare metodi di ottimizzazione robusta per dati incerti nelle decisioni.

La regolarizzazione SHIELD migliora le prestazioni dell'IA e la sua capacità di spiegare le decisioni, rendendo tutto più chiaro.

Lo studio esplora come i modelli quasi-interpolanti si comportano sui dati non visti.

La ricerca mette in evidenza l'importanza del timing rispetto a caratteristiche specifiche degli speaker nei modelli di diarizzazione.

Esplora il legame tra termodinamica e machine learning per semplificare sistemi complessi.

Un nuovo metodo per affrontare problemi di ottimizzazione nonsmooth con vincoli.

Uno sguardo a come l'apprendimento avversariale migliora le tecniche di separazione del segnale.

Il metodo di Newton proiettato migliora l'efficienza nei problemi inversi lineari bayesiani.

Un nuovo metodo migliora gli autoencoder per una migliore rappresentazione dei dati.

L'ottimizzazione delle preferenze soft migliora il modo in cui i modelli di linguaggio si allineano con le preferenze umane.

Impara a costruire e perfezionare modelli di sistemi dinamici usando tecniche avanzate.

Studio del ripristino di termini sconosciuti nelle PDE da dati rumorosi usando metodi di regolarizzazione.

Un nuovo metodo migliora la modellazione per metamateriali attivi con attuazione pneumatica.

Migliorare i modelli di spazio degli stati con tecniche di allenamento più efficaci per i dati temporali.

Nuovi metodi migliorano l'accuratezza e l'efficienza del completamento delle matrici in vari settori.

Un metodo per ricostruire le forme di ostacoli nascosti nei fluidi attraverso misurazioni al confine.

Uno sguardo a come le misure di dipendenza aiutano ad analizzare le relazioni tra più variabili.

Esplora i principi e le applicazioni della Kernel Ridge Regression in vari settori.

Una panoramica dell'effetto Casimir e delle sue implicazioni nella fisica quantistica.

Questo articolo confronta LoRA e il finetuning completo per quanto riguarda le prestazioni e l'uso della memoria.

Presentiamo un nuovo metodo per un allenamento efficiente delle reti neurali strutturate.

La ricerca sui buchi neri potrebbe cambiare la nostra visione della gravità e dello spaziotempo.