Articoli più recenti per Reti Neurali

Un nuovo approccio migliora i tempi e l'efficienza dell'addestramento delle CNN.

Presentiamo un metodo che migliora l'apprendimento da pochi dati senza dimenticare le conoscenze passate.

Uno sguardo su come migliorare l'uso delle FPGA nelle applicazioni DNN con nuove tecniche.

Introducendo le matrici Group-and-Shuffle per un fine-tuning efficiente dei modelli neurali.

Uno studio su come migliorare il processo decisionale negli scacchi con poche informazioni usando le reti neurali.

Un nuovo metodo che utilizza vettori circolari migliora l'efficienza nei compiti multi-etichetta.

LeRF combina deep learning e interpolazione per un resizing delle immagini migliore.

Questo articolo esamina come i Transformer ragionano e il ruolo dei foglietti.

Un nuovo metodo affronta le principali sfide nel reinforcement learning grazie a tecniche di ottimizzazione migliorate.

Esaminando l'impatto delle funzioni di attivazione periodiche sull'efficienza dell'apprendimento e sulla generalizzazione.

CCL assicura che le reti neurali mantengano precisione mentre apprendono nuovi compiti.

Il machine learning migliora le tecniche di controllo quantistico per applicazioni tecnologiche più avanzate.

Usare reti neurali per identificare onde magnetiche chirali nella fisica delle particelle.

MambaVision unisce Mamba e Transformers per un riconoscimento delle immagini migliore.

Uno studio rivela come la scarsità nei modelli di IA cambi tra i vari strati durante l'addestramento.

DisMAE migliora la generalizzazione del modello tra i vari domini usando dati non etichettati.

Un nuovo modo per migliorare le osservazioni dei raggi gamma usando le reti neurali.

Un modello ibrido migliora il ripristino delle immagini usando reti neurali a impulsi e convoluzionali.

Questo articolo parla di nuovi metodi che migliorano le prestazioni del deep learning usando derivate non locali.

Questo articolo esamina l'efficacia di Adagrad e i suoi vantaggi rispetto ai metodi standard nel training con grandi batch.

Uno studio sull'uso delle reti neurali per simulare la dinamica delle fasi dei materiali.

Uno studio sulle tecniche di machine learning per modellare sistemi atomici.

Un nuovo metodo migliora la privacy durante l'addestramento dei modelli di deep learning.

Nuovi metodi riducono l'uso della memoria mantenendo le prestazioni nei LLM.

Scopri come la sparsità dei blocchi di peso migliora le performance e l'efficienza dell'AI.

Questo articolo esplora come i cambiamenti nei layer influenzano le prestazioni dei modelli transformer.

Scopri come il mini-batch SGD migliora l'allenamento delle reti neurali e la selezione delle caratteristiche.

Nuove reti neurali che usano memristor migliorano l'efficienza e l'adattabilità.

Esaminando metodi dinamici per ottimizzare l'addestramento dei modelli di machine learning.

I QCNN offrono nuovi modi per identificare le fasi della materia nei sistemi quantistici.

Questo articolo parla dei metodi per migliorare le reti neurali tramite equivarianza e simmetria.

Un nuovo sistema migliora le previsioni delle raccomandazioni usando hardware standard in modo efficiente.

Un nuovo metodo migliora la rappresentazione delle immagini identificando le discontinuity durante il processo.

Esaminando come le reti neurali apprendono dai dati e i fattori che influenzano le loro prestazioni.

Nuovi metodi per categorizzare i dati sismici migliorano l'efficienza nell'esplorazione petrolifera.

Presentiamo SepONet per migliorare l'efficienza nell'apprendimento degli operatori per sistemi complessi.

Scopri come il gradient clipping stabilizza l'allenamento nei modelli di machine learning.

La ricerca mette in evidenza nuovi metodi per creare e analizzare gocce nella microfluidica.

Un nuovo modo per capire come i neuroni retinici rispondono ai cambiamenti visivi.

Nuovo metodo migliora la risoluzione delle PDE senza rete globale.