Informatica - Informatica neurale ed evolutiva

Esplorare le sfide della privacy e le soluzioni negli algoritmi di calcolo evolutivo.

BrainScaleS imita l'attività cerebrale per migliorare la ricerca sui comportamenti neurali.

Un nuovo metodo migliora la ricerca per le reti neurali bilanciando le metriche di prestazione.

Un nuovo metodo migliora la risoluzione dei video in modo efficiente usando il deep learning.

Questo articolo esamina come le connessioni skip migliorano l'addestramento nelle reti neurali a impulso.

Scopri come i GSBC migliorano la gestione dei dati nelle reti neurali.

Le telecamere a eventi offrono una cattura del movimento efficiente concentrandosi sui cambiamenti nelle scene.

PowerPruning migliora l'efficienza energetica nelle reti neurali profonde senza bisogno di modifiche hardware.

Questo studio esplora i problemi nella capacità degli agenti RL di trasferire le abilità apprese.

Le mutazioni adaptive e i miglioramenti della grammatica aumentano l'efficienza e l'efficacia della programmazione genetica.

I modelli innovativi puntano a migliorare il monitoraggio delle crisi e la cura dei pazienti.

Un nuovo metodo migliora la capacità dell'INR di recuperare dati mancanti nelle immagini.

Esaminare la necessità di sistemi auto-evolutivi in ambienti in cambiamento.

Regole fondamentali e consigli per inviare il tuo paper di ricerca a NeurIPS 2020.

Nuovi metodi puntano a ridurre l'oblio nei compiti di machine learning.

Questo studio esamina come partire vicino alla criticità influisca sull'adattabilità degli agenti neurali.

Combinare algoritmi e modelli surrogati per un design edilizio efficiente.

Scopri come le SNN replicano i processi del cervello per un calcolo più efficiente.

Esplorare come le preferenze nel mate migliorano la diversità nelle soluzioni di Programmazione Genetica.

Questo articolo parla di un nuovo algoritmo ispirato all'epigenetica per un'ottimizzazione migliore.

Un confronto tra l'Algoritmo Genetico e il CMA-ES nella progettazione di ponti.

Scopri come l'automazione può semplificare il design delle reti e ridurre i costi per i fornitori di internet.

SDM offre un modo per le reti di imparare continuamente senza dimenticare le informazioni vecchie.

Deep-BIAS migliora il rilevamento dei bias negli algoritmi usando la tecnologia di deep learning.

Esplorare come le funzioni del cervello possano migliorare i sistemi AI.

Quest'articolo parla di come usare i DSM per migliorare gli algoritmi nei problemi di assegnazione.

Uno studio su ElegansNet svela nuove idee per modelli di apprendimento migliori ispirati a C. elegans.

Scopri come HOTGP migliora la generazione di programmi per computer grazie a tecniche avanzate.

Un nuovo approccio migliora i percettroni a singolo strato per compiti complessi.

L'apprendimento pigro migliora l'addestramento dell'IA concentrandosi sugli errori.

ARIA migliora la qualità e la diversità in ambienti incerti per gli algoritmi QD.

Questo studio analizza il comportamento di conteggio nelle RNN lineari e le loro limitazioni.

Uno sguardo a come la codifica influisce sulle soluzioni in vari campi.

SLR offre un modo più veloce per potare i modelli di deep learning senza perdere precisione.

Un nuovo approccio migliora gli algoritmi genetici usando meccanismi di attenzione per una ottimizzazione migliore.

Un approccio innovativo per analizzare la connettività cerebrale usando una rete neurale specializzata.

Nuovi metodi migliorano la decomposizione del layout per caratteristiche dei semiconduttori più piccole.

META-CODE aiuta a trovare comunità in reti incerte usando i metadati dei nodi e query dinamiche.

SENeCA migliora l'efficienza di SNN svelando intuizioni energetiche.

Le varianti proposte dei moduli Squeeze e Excitation potenziano la funzionalità e l'accuratezza delle CNN.