Articoli più recenti per Reti Neurali

La ricerca mostra che i ritardi temporali migliorano l'efficienza e le prestazioni del calcolo in serbatoio.

Usare la teoria delle matrici casuali per migliorare le performance delle reti neurali profonde.

Un nuovo metodo per scegliere proiezioni preziose nelle scansioni TC migliora la qualità dell'immagine.

SDM offre un modo per le reti di imparare continuamente senza dimenticare le informazioni vecchie.

Questo articolo parla delle cause e delle implicazioni della variazione nelle prestazioni delle reti neurali.

Esplorando il ruolo dei piccoli motivi neurali nella memorizzazione volatile.

Questo articolo esplora come i metodi ensemble migliorano le prestazioni e l'efficienza delle reti neurali quantistiche.

IPNN offre un nuovo modo per classificare e raggruppare i dati in modo efficace.

Le ricerche evidenziano come l'equivarianza appresa aiuti a migliorare i modelli di riconoscimento delle immagini.

Nuove metriche per una migliore valutazione delle rappresentazioni disentangolate nei modelli.

Uno studio su ElegansNet svela nuove idee per modelli di apprendimento migliori ispirati a C. elegans.

Introducendo l'attenzione del campo ricettivo per migliorare le prestazioni delle CNN nei compiti di immagine.

Migliorare l'ottimizzazione della funzione d'onda nei sistemi quantistici usando reti neurali.

Le HDNN offrono una formazione stabile e capacità di approssimazione per compiti complessi.

Un nuovo approccio migliora i percettroni a singolo strato per compiti complessi.

Espandere i metodi degli operatori monotoni per applicazioni pratiche nelle reti neurali e nell'analisi dei dati.

Meta-LTH migliora l'efficienza del few-shot learning tagliando le connessioni della rete neurale che non servono.

L'apprendimento pigro migliora l'addestramento dell'IA concentrandosi sugli errori.

Un nuovo modello per gestire meglio le variabili latenti continue nel machine learning.

Questo studio analizza il comportamento di conteggio nelle RNN lineari e le loro limitazioni.

Nuovo metodo migliora l'apprendimento dando priorità ai campioni difficili nel training in mini-batch.

Esaminando i punti di forza delle Capsule Networks rispetto alle CNN tradizionali nell'elaborazione robusta delle immagini.

I ricercatori svelano come la dimensione e i dati influenzano l'apprendimento dell'AI tramite i quanta.

HyperINR accelera le rappresentazioni neurali implicite per visualizzazioni scientifiche più chiare.

Un nuovo metodo sembra promettente per migliorare la qualità delle immagini nella diagnostica medica.

Esplorando l'integrazione del machine learning nello studio delle variazioni di luce nei Nuclei Galattici Attivi.

Esaminare come i neuroni si sincronizzano e i suoi effetti sulle funzioni del cervello.

Esplorando il legame tra RNN e circuiti elettrici per capirci meglio.

Nuove progettazioni di celle RNN migliorano notevolmente le prestazioni nella classificazione delle immagini.

Un nuovo modello semplifica l'addestramento e migliora le prestazioni delle reti neurali in diversi compiti.

Esplora come le reti neurali sincronizzano le loro attività nonostante le sfide intrinseche.

R-softmax migliora la chiarezza del modello permettendo probabilità zero per certe categorie.

Esaminando come si comporta l'interpolazione a kernel in scenari di dati rumorosi.

Questo studio usa dati sugli sguardi per migliorare il modo in cui i computer trovano oggetti nelle immagini.

Esplorando due metodi per addestrare MLP con dati simmetrici.

La ricerca mostra che la potatura strutturata migliora le prestazioni dei modelli di deep learning multi-task.

Un nuovo metodo migliora la classificazione dei gesti, gestendo in modo efficace sia i gesti conosciuti che quelli non addestrati.

Migliorare le Reti Neurali a Spike attraverso tecniche innovative di condivisione della conoscenza.

Uno sguardo ai benchmark NAS e al loro impatto sul design delle reti neurali.

La ricerca mostra come le lesioni cerebrali influenzano la comunicazione tra i neuroni e il recupero.