Informatica - Informatica neurale ed evolutiva

Nuovi metodi migliorano l'efficienza e l'accessibilità del design delle CNN.

Un nuovo metodo migliora l'ottimizzazione degli iperparametri attraverso approcci multi-obiettivo.

DCR migliora l'interpretabilità dell'AI mantenendo alta l'accuratezza.

Un nuovo metodo migliora la classificazione dei gesti delle mani usando i segnali cerebrali.

La libreria GOMEA combina Python e C++ per soluzioni di ottimizzazione efficienti.

Un nuovo approccio basato sui dati per prevedere la profondità dell'incavo nei pavimenti in asfalto.

Questo studio presenta un modello per allineare le norme con più valori nei sistemi agenti.

Esplorare l'impatto dei metodi di ri-inizializzazione nelle SNN e le loro applicazioni.

Un nuovo modello migliora i dati genetici sintetici per una diagnosi e un trattamento migliori.

Esplorando il ruolo degli oscillatori neurali nel far progredire le tecnologie di machine learning.

Questo articolo esplora un nuovo metodo di intelligenza artificiale per studiare i modelli di neuroni in modo efficace.

Uno sguardo a come GKLS aiuta a valutare i metodi di ottimizzazione in modo efficace.

Un nuovo approccio usa risonanze magnetiche e intelligenza artificiale per identificare l'Alzheimer in modo efficace.

Un metodo per migliorare l'interpretabilità e le prestazioni delle reti neurali ispirato al cervello umano.

CHNNet offre un apprendimento più veloce e migliori prestazioni nelle reti neurali.

Unendo metodi tradizionali e machine learning per migliorare le reti di trasporto urbano.

LavaBO offre soluzioni efficienti per problemi complessi di ottimizzazione usando il calcolo neuromorfico.

SPENSER automatizza la creazione di Reti Neurali Spiking per migliorare la classificazione delle immagini.

Migliorare le reti neurali sparse tramite funzioni di attivazione ottimizzate e iperparametri.

Un approccio innovativo all'ottimizzazione usando principi di perfezionismo.

GELU offre vantaggi rispetto alle funzioni di attivazione tradizionali nelle reti neurali.

Migliorare i sistemi di memoria artificiale grazie a nuove reti di Hopfield ispirate alla biologia.

Grad-Align+ migliora l'allineamento della rete senza bisogno di informazioni extra.

Esplorando come le NCA crescono e si adattano usando segnali interni ed esterni.

Presentiamo l'algoritmo Forward-Forward integrato per migliorare l'addestramento delle reti neurali.

Questa ricerca esplora come la composizionalità influisce sull'imitazione nei sistemi di linguaggio artificiale.

Un nuovo sistema usa modelli cerebrali per aiutare i robot a muoversi in spazi sconosciuti.

PAO rende l'ottimizzazione più semplice da usare e capire.

Confrontare le abilità di problem-solving umano con computer neuromorfici e tradizionali.

Nuovo metodo migliora la generazione di immagini adattando i prompt per una maggiore soddisfazione dell'utente.

Esplorare il ruolo della costruzione di nicchie nei processi evolutivi.

Esplora come vedere le reti neurali come funzioni di utilità cambi la nostra comprensione delle loro prestazioni.

Combinare l'apprendimento attivo e le restrizioni fisiche migliora i risultati della regressione simbolica.

CVGP aiuta i ricercatori a scoprire relazioni complesse attraverso esperimenti adattivi.

Il framework AD-NEv migliora il rilevamento delle anomalie con approcci innovativi.

Questa ricerca propone di ottimizzare i singoli neuroni per migliorare le performance dell'IA.

Nuovo metodo migliora l'inferenza bayesiana, affrontando le sfide dei dati complessi.

Un nuovo modello migliora la comprensione dei sistemi di credenze nella cognizione umana.

Esaminando l'algoritmo Forward-Forward e il suo potenziale di imitare l'apprendimento biologico.

EfficientLIF-Net riduce i costi di memoria negli SNN mantenendo le prestazioni.