Articoli più recenti per Reti Neurali

Un nuovo modello S6 migliora le prestazioni e l'efficienza nelle reti neurali a impulsi.

Esaminando il ruolo dei neuroni nei modelli CLIP e le loro interazioni.

Un'analisi delle difficoltà dei Transformers con compiti di conteggio e copia.

EquiLoPO Network offre nuove soluzioni per analizzare dati volumetrici nonostante le rotazioni.

La comunicazione sub-THz è pronta a rivoluzionare la trasmissione di dati ad alta velocità.

I MLP bilineari offrono modelli più semplici e più facili da interpretare nel machine learning.

ReDistill offre una soluzione innovativa per ridurre l'uso massimo della memoria nelle reti neurali.

Esplorando il Generative Replay senza dati per affrontare problemi di classificazione delle immagini e di squilibrio nei dati.

Uno studio rivela tecniche efficaci per migliorare i modelli di linguaggio multimodali di grandi dimensioni.

Nuove tecniche migliorano la generalizzazione nei modelli di dati interconnessi in vari settori.

Una libreria unificata migliora l'equità nel confrontare i metodi di addestramento delle reti neurali.

Questo articolo esplora il ruolo dell'inibizione nelle reti neurali e propone nuove tecniche di visualizzazione.

Un nuovo metodo migliora gli attacchi mirati usando campioni semplici nelle reti neurali.

Esplora il ruolo dei meccanismi di attenzione nel machine learning.

H-GLaD migliora la distillazione dei dataset, aumentando l'efficienza e le prestazioni nell'addestramento dei modelli.

Un nuovo metodo simula in modo efficace oggetti elastici attraverso diverse rappresentazioni.

Un approccio fresco per rendere le reti neurali più efficienti mantenendo alta la performance.

Esplorando come le strutture modulari migliorano l'efficienza e l'adattabilità delle reti neurali artificiali.

Nuovo modello migliora le simulazioni di sistemi fisici usando tecniche di apprendimento automatico.

Una guida alle tecniche di ottimizzazione multiobiettivo nel machine learning e nel deep learning.

Un nuovo approccio migliora la robustezza dei Vision Transformers contro attacchi avversari.

Investigare le somiglianze tra DNN e vetri strutturali.

Questo articolo esamina le reti lineari profonde e l'impatto della nitidezza sull'addestramento.

Uno sguardo su come le reti equivarianti distinguono efficacemente tra gli input.

Un nuovo algoritmo migliora le previsioni modellando gli errori di fondo in modo più accurato.

Esplora la struttura e le applicazioni degli IOD Graphs in vari settori.

Un approccio fresco migliora l'apprendimento dallo spazio dei pesi delle reti neurali.

Un nuovo modo per migliorare le reti neurali tramite strati basati su regole per una migliore integrazione dei dati.

Un nuovo framework migliora l'elaborazione delle reti neurali convolutionali su dispositivi a risorse limitate.

Nuove tecniche migliorano la precisione nella modellizzazione dei flussi multifluido per vari settori.

Esaminando l'importanza del più piccolo autovalore nel NTK per l'allenamento delle reti neurali.

La ricerca svela complessità nelle reti neurali profonde oltre ai modelli tradizionali.

Questo documento analizza i modelli a multi-indice e il loro ruolo nell'apprendere dai dati.

Nuovo strumento di benchmark valuta i token audio discreti per vari compiti di elaborazione del parlato.

Questo studio rivela come i modelli di linguaggio cambiano comportamento durante l'allenamento.

Esaminando come i modelli transformer migliorano con dimensione e complessità.

Lo studio analizza la generalizzazione e le prestazioni della regressione ridge con caratteristiche casuali usando gli autovalori.

Uno studio su come migliorare l'addestramento delle reti neurali con funzioni di attivazione non differenziabili.

Presentiamo SeTAR, una soluzione senza bisogno di allenamento per rilevare dati fuori distribuzione nelle reti neurali.

Esplorare i vantaggi dei dati ripetuti nell'addestramento delle reti neurali.