Articoli più recenti per Reti Neurali

Questo articolo esamina i metodi di dropout per migliorare le performance dei piccoli modelli linguistici.

Uno sguardo ai metodi di campionamento efficaci per ampie reti neurali bayesiane.

Esplorare il potenziale delle reti neurali quantistiche in vari settori.

Y-Drop migliora il dropout concentrandosi sull'importanza dei neuroni, migliorando le prestazioni del modello.

Un nuovo modello migliora la combinazione tra reti neurali e algoritmi tradizionali.

Un nuovo metodo per semplificare i dati ad alta dimensione senza conoscenze pregresse.

Questo studio mette in evidenza l'efficacia dei modelli fondamentali nel migliorare la segmentazione delle immagini mediche.

Uno sguardo all'efficienza dell'allenamento nelle CNN e BCNN usando MNIST e CIFAR-10.

Questa ricerca esplora i decodificatori neurali per migliorare la correzione degli errori nel calcolo quantistico.

Le reti neurali a picco migliorano i sistemi di comunicazione aumentando l'efficienza e le prestazioni.

Esplorando le Sparse Neural Networks e le loro performance con dati di addestramento difficili.

Un nuovo framework migliora l'apprendimento da dati strutturati e rumorosi usando principi di diffusione.

Presentiamo S-STE, un nuovo metodo per migliorare l'efficienza dell'allenamento delle reti neurali sparse.

Scopri come i FastVPINNs migliorano la modellazione della dinamica dei fluidi usando le reti neurali.

Un nuovo metodo per controllare i pendoli doppi mostra miglioramenti significativi in stabilità e adattabilità.

Un nuovo metodo garantisce stabilità nei controller delle reti neurali per applicazioni critiche.

Esplora il campionamento adattivo per migliorare le prestazioni delle reti neurali con dati simmetrici.

I progressi nelle reti neurali migliorano la comprensione dell'attività magnetica solare.

Un nuovo metodo migliora il trasferimento delle caratteristiche nelle rappresentazioni neurali implicite per le immagini.

Questo studio analizza le prestazioni e le condizioni per le reti neurali quantizzate sotto aritmetica a punto fisso.

FKAN migliora la rappresentazione delle immagini e delle forme 3D usando funzioni di attivazione apprendibili.

Scopri come i KAN offrono un'alternativa efficiente alle tradizionali reti neurali.

SparX migliora l'elaborazione delle immagini imitanto il sistema visivo umano.

Un approccio di machine learning che sfrutta il movimento per un apprendimento efficace dei dati visivi.

KAT migliora il deep learning usando KAN avanzati al posto delle MLP.

Un nuovo metodo combina l'IA e la chimica quantistica per risolvere equazioni complesse in modo efficiente.

Presentiamo una rete neurale unica per gestire dati complessi in modo efficace.

Uno sguardo a come gli attaccanti replicano le reti neurali con accesso limitato all'output.

Un nuovo sistema sfrutta le reti neurali a impulsi per un'elaborazione dei dati più efficiente.

SplatFields migliora l'imaging 3D da angolazioni di ripresa limitate, aumentando dettagli e qualità.

Scopri come i Monomial-NFN migliorano l'efficienza nelle reti neurali.

Cobweb/4L migliora come le macchine apprendono il linguaggio usando un approccio efficiente.

Questo documento esamina l'uso dei modelli transformer negli scacchi e i loro vantaggi.

Questo articolo esplora come la dimensione del campione influisce sulle prestazioni delle reti neurali attraverso i paesaggi di perdita.

Un nuovo approccio di auto-ensemble migliora la resilienza del modello ai cambiamenti avversariali.

Questa ricerca esplora metodi per ridurre l'uso di memoria nell'addestramento di reti neurali profonde.

Un nuovo modello di rete neurale migliora le capacità di riconoscimento e recupero dei modelli.

La ricerca mostra che la luce parzialmente coerente migliora l'accuratezza nelle reti neurali ottiche.

Pool Skip aiuta le reti profonde affrontando le singolarità di eliminazione durante l'addestramento.

Un'immersione profonda nelle reti neurali per la minimizzazione della variazione totale nelle immagini.