Articoli più recenti per Reti Neurali

Esplora i punti di forza e di debolezza delle RNN e dei Transformers nell'elaborazione del linguaggio naturale.

Presentiamo il Mixture of Low-Rank Experts per migliorare le prestazioni dell'apprendimento multi-task.

Un nuovo metodo semplifica il design dell'architettura neurale su più obiettivi.

Nuove tecniche aumentano la velocità e l'efficienza delle MLP su GPU Intel.

TransFusion migliora l'apprendimento contrastivo con attenzione strutturata e un'elaborazione dei dati efficace.

Un nuovo metodo migliora la precisione e la velocità nella stima dei costanti di Lipschitz per le reti profonde.

Questo articolo parla dei metodi per addestrare in modo efficiente reti neurali ReLU a due strati.

Questo articolo parla dell'importanza dell'inizializzazione dei parametri nelle reti neurali.

Un nuovo metodo usa il reinforcement learning per potare le CNN mentre vengono addestrate.

D'OH offre nuovi modi per rappresentare i segnali in modo efficiente.

MambaMixer migliora l'efficienza del deep learning per immagini e previsioni di serie temporali.

Questo documento parla dei costi e dei miglioramenti per le reti neurali a bassa precisione.

Un nuovo metodo migliora come i modelli rappresentano le relazioni tra gli oggetti nelle immagini generate.

Esplora tecniche per migliorare la comunicazione full-duplex nei sistemi mmWave MIMO.

Uno sguardo alle reti di Hopfield per il riconoscimento dei modelli e la memorizzazione.

Un nuovo approccio con reti neurali migliora la modellazione dei sistemi dinamici veloci-lenti.

Un'esplorazione di come i modelli di linguaggio prevedono i token futuri rispetto al pensiero umano.

Esplorando come il calcolo quantistico migliora i modelli di diffusione per una generazione di immagini migliore.

Un nuovo metodo affronta questioni chiave nell'apprendimento continuo: plasticità e dimenticanza.

Esaminando le sfide di prestazione affrontate dagli algoritmi invarianti rispetto alla rotazione in scenari di dati rumorosi e sparsi.

Capire l'impatto degli attacchi avversari sui modelli di machine learning.

Uno sguardo ai vari tipi di interneuroni corticali e ai loro ruoli.

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

Nuovi metodi migliorano le intuizioni dai dati complessi.

Nuovo dispositivo migliora il calcolo basato sulla luce per i compiti di intelligenza artificiale.

Introducendo HeMeNet per un apprendimento multi-task proteico efficiente usando strutture 3D.

Esaminando i GNN per classificare eventi di collisione di particelle.

Stacking migliora l'efficienza nell'addestramento delle reti neurali profonde sfruttando la conoscenza esistente.

Esplora come il momentum aumenti l'efficienza nell'addestramento delle reti neurali.

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

Lo studio esplora come i modelli quasi-interpolanti si comportano sui dati non visti.

Esplorando come i trasformatori favoriscano funzioni a bassa sensibilità per migliorare le prestazioni.

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

Un metodo per migliorare la retention della conoscenza nei modelli di machine learning durante l'addestramento su nuovi compiti.

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

Un nuovo modo per ridurre la complessità delle CNN mantenendo le prestazioni.

Questo studio esamina come le piccole inizializzazioni dei pesi influiscono sull'addestramento delle reti neurali.

La ricerca si concentra sul miglioramento della verifica delle reti neurali con specifiche NAP minime.

Uno sguardo a come le modifiche ai parametri influenzano l'addestramento delle reti neurali.

Questa ricerca rivela vettori di compito che migliorano le prestazioni dei modelli visivi senza esempi extra.