Informatica - Informatica neurale ed evolutiva

Un nuovo metodo per migliorare l'efficienza dell'addestramento dei modelli di deep learning.

Nuovi metodi migliorano la previsione di diverse strutture cristalline per materiali avanzati.

Un metodo multi-obiettivo per massimizzare l'influenza considerando vari fattori.

Esplora i modelli che imitano i processi cerebrali attraverso i picchi.

KAT permette ai robot di imparare i compiti in fretta con meno esempi.

La programmazione assembly incontra la competizione mentre i sopravvissuti si sfidano in CodeGuru Xtreme.

NYCTALE migliora la valutazione dei noduli polmonari attraverso un'analisi avanzata delle TAC.

Nuovi dispositivi memristivi imitano le funzioni del cervello, aumentando l'efficienza dell'apprendimento dell'AI.

Uno sguardo su come gli agenti adattano il loro apprendimento per raccogliere cibo.

Uno sguardo su come la materia è distribuita nell'universo attraverso approssimazioni simboliche.

SpikExplorer semplifica il design di reti neurali spiking efficienti in termini di energia per dispositivi portatili.

I PNC uniscono reti neurali e circuiti probabilistici per fare previsioni e modelli migliori.

Una nuova prospettiva su come le reti neurali apprendono le caratteristiche attraverso percorsi simili a quelli degli esperti.

Nuovi metodi migliorano l'efficienza nella scelta del target per l'influenza nella rete.

Un nuovo metodo flessibile per i tassi di mutazione migliora l'efficacia degli algoritmi evolutivi.

Le Reti Neurali Strutturalmente Flessibili migliorano l'adattabilità per compiti diversi.

EODE migliora l'accuratezza della classificazione del cancro grazie a tecniche di modello innovative.

Esplora un approccio nuovo per migliorare l'apprendimento delle reti neurali usando principi biologici.

EBGWO migliora la ricerca di soluzioni attraverso meccanismi innovativi nei compiti di ottimizzazione.

Usare il deep learning per migliorare l'efficienza del trasporto pubblico e ridurre i costi.

Un nuovo approccio migliora l'evitamento degli ostacoli nei robot usando il calcolo neuromorfico.

Un nuovo approccio di intelligenza artificiale punta a migliorare la velocità e l'efficienza nella generazione di immagini e video.

Scopri come il computing neuromorfico migliora la comunicazione nelle microreti.

Questa ricerca identifica nuovi ottimizzatori promettenti per modelli di deep learning.

Questo studio valuta modelli surrogati per efficienza e accuratezza nei compiti di ottimizzazione.

Esplora come le regole di base possono guidare gli agenti attraverso i labirinti con informazioni minime.

Questa ricerca mette in evidenza il ruolo del crossover e della diversità negli algoritmi evolutivi.

Un nuovo metodo unisce algoritmi per affrontare sfide di ottimizzazione multi-obiettivo.

La ricerca migliora l'efficienza e la precisione nelle decisioni delle reti neurali spiking.

Un nuovo framework migliora le prestazioni del modello usando i ritardi sinaptici nei sistemi neuromorfici.

Un nuovo approccio migliora l'efficienza nella risoluzione di problemi complessi e sovrapposti.

Questo studio mette in evidenza il ruolo della diversità negli algoritmi evolutivi per i problemi di abbinamento.

Esplora i benefici e le sfide dell'ottimizzazione multi-obiettivo usando NSGA-III.

Quest'articolo esamina come la diversità influisce sull'efficienza degli algoritmi genetici, specialmente nel problema dei LeadingOnes.

Un nuovo metodo punta a ridurre il bias nel machine learning per i flussi di dati in evoluzione.

Esaminando l'efficacia degli algoritmi auto-regolanti per i problemi di ottimizzazione.

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

Un nuovo approccio che usa la programmazione genetica per migliorare le funzioni di perdita nella classificazione delle immagini.

Un metodo per creare controllori adattabili per diversi design di robot.

Questo articolo esplora l'ottimizzazione multi-obiettivo e l'approccio MOEA/D.