Articoli più recenti per Reti Neurali

Un nuovo approccio migliora il ragionamento nelle reti neurali suddividendo i compiti in fasi.

VCAS migliora l'efficienza dell'allenamento delle reti neurali senza perdere precisione.

Scopri come i modelli generativi basati su punteggio creano nuovi dati dal rumore.

Questo articolo esplora come il rumore influisce sull'attività neuronale nelle reti.

La ricerca rivela strategie per migliorare l'adattabilità delle reti neurali in condizioni dinamiche.

Una panoramica della capacità di memoria nelle macchine a comitato ad albero ampio e le sue implicazioni.

Questo articolo esplora come le macchine comitato ad albero gestiscono la capacità di memoria con attivazioni diverse.

Nuovo metodo migliora il transfer learning rendendo migliore la generazione dei pesi dai modelli pre-addestrati.

Nuovi metodi di apprendimento migliorano l'efficienza e l'accuratezza delle reti neurali a impulsi.

Un nuovo metodo per affinare modelli grandi con una maggiore efficienza.

Un'analisi dei Transformers e dei loro metodi di apprendimento autoregressivo nel contesto.

I ricercatori sviluppano modelli semplificati per prevedere meglio le risposte dei neuroni nel V1.

La ricerca rivela delle lacune nelle prestazioni delle reti neurali contro la corruzione delle immagini.

LRR migliora l'efficienza e le prestazioni dell'allenamento delle reti neurali attraverso una migliore ottimizzazione dei parametri.

Esplorando miglioramenti nell'efficienza della trasmissione dei dati usando tecniche di Deep Learning.

La libreria Spyx migliora l'efficienza nell'allenamento delle reti neurali spiking.

Nuovo studio esamina il ruolo dell'apprendimento delle rappresentazioni nei compiti sui grafi.

Esplorando come la nitidezza dei minimi influisca sulle prestazioni del modello su dati audio non visti.

Esplorare come le reti neurali possano fare previsioni accurate su dati mai visti prima.

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

Un metodo per rimuovere abilità indesiderate dai modelli linguistici mantenendo intatte le funzioni essenziali.

Esaminando come le reti neurali grafiche prevedono efficacemente dati non visti.

Una panoramica delle ODE nelle computazioni continue e delle sfide di complessità.

adaptNMT semplifica la creazione di modelli di traduzione per tutti i livelli di abilità.

La ricerca sul training di precisione ciclica migliora l'efficienza nel training delle reti neurali profonde.

Esaminando come le reti neurali danno priorità a funzioni più semplici rispetto a schemi complessi.

Un approccio ibrido migliora la precisione delle previsioni per comportamenti complessi nei sistemi.

Un nuovo modello migliora la comprensione delle relazioni tra variabili usando tecniche di apprendimento supervisionato.

Le reti neurali quantistiche usano connessioni residue per migliorare l'apprendimento e le prestazioni.

Nuovi metodi migliorano la robustezza delle DNN contro attacchi avversari considerando le vulnerabilità degli esempi.

LD3M migliora la distillazione dei dataset usando spazi latenti e modelli di diffusione per risultati migliori.

Uno sguardo a come il parallelismo dei modelli aiuta nell'addestramento di grandi reti neurali.

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

Uno sguardo a come le reti di Hopfield imitano i processi di memoria.

Esplorare come la profondità della rete influisce sull'apprendimento e sulla generalizzazione nell'AI.

La ricerca mostra come i minimi piatti siano legati a migliori prestazioni del modello su dati mai visti.

Questo articolo parla di nuovi metodi per migliorare le prestazioni del few-shot learning.

Indagare gli effetti del rumore sul training delle reti neurali profonde e sulla privacy.

Esplora come i prodotti interni migliorano la comprensione delle relazioni nel machine learning.

DiNAS offre un modo nuovo per creare reti neurali ad alte prestazioni in fretta.