Articoli più recenti per Reti Neurali

GP-KAN unisce i Processi Gaussiani e le Reti di Kolmogorov-Arnold per previsioni più efficienti.

Questa ricerca mostra come le colonne corticali elaborano le informazioni e mantengono un equilibrio tra i tipi di neuroni.

AdaResNet offre una soluzione dinamica per bilanciare i dati in input e quelli elaborati nelle reti neurali.

Nuovo metodo punta ad accelerare la preparazione degli stati quantistici usando le reti neurali.

UKAN migliora l'efficienza e la precisione dell'IA per compiti di dati complessi.

Uno sguardo approfondito alle Gated Recurrent Units nell'apprendimento delle sequenze.

Questo documento esamina gli effetti di profondità e rumore nei poly-GNN per l'apprendimento semi-supervisionato.

Uno sguardo a come i modelli prevedono dati non visti.

Uno sguardo a come i pesi del modello influenzano le prestazioni del deep learning.

Nuovo metodo affronta i costi elevati per addestrare grandi modelli linguistici.

Uno studio su perché i modelli di deep learning hanno prestazioni diverse.

Le reti diffrattive si adattano a diverse condizioni di luce, migliorando le prestazioni nelle applicazioni pratiche.

Propper migliora i sistemi ILP per imparare in modo efficace da dati incerti.

Questo studio esplora come le reti neurali elaborano forme incomplete proprio come fa il cervello umano.

Nuovi metodi di allenamento migliorano l'efficienza delle reti neurali ottiche nell'analisi dei dati.

Un nuovo approccio semplifica l'addestramento delle reti neurali equivarianti per performance migliori.

Un nuovo metodo migliora la capacità delle reti neurali di gestire i cambiamenti geometrici.

Un nuovo metodo migliora l'uso della memoria e la velocità di addestramento nei grandi modelli di linguaggio.

Nuovi metodi migliorano la distillazione dei dataset per dataset sbilanciati.

Migliorare l'accuratezza della classificazione delle immagini usando le embedding di autoencoder pre-addestrati in SimCLR.

Questo articolo esplora la quantizzazione zero-shot e le sue applicazioni nell'imaging infrarosso.

Un nuovo metodo che utilizza AutoSparse per potare le reti neurali in modo efficiente fin dall'inizio.

Migliorare la chiarezza del parlato tramite filtri ibridi e reti neurali.

Un nuovo metodo migliora le reti neurali per dispositivi come smartphone e computer a basso costo.

Esplorare priors flessibili per migliorare le previsioni nei modelli Bayesian Last Layer.

Un'esplorazione dei complessi processi di addestramento in reti neurali a due strati e strette.

Esplorare le simmetrie locali per migliorare i metodi di machine learning basati su grafi.

L'architettura innovativa migliora l'efficienza nel deep learning attraverso il calcolo ottico.

Questo articolo esplora il cambiamento improvviso nella capacità di apprendimento delle reti neurali.

Uno sguardo alle tecniche di trasferimento del peso e al loro impatto sul training delle reti neurali.

Questo studio valuta il ruolo degli Automata Cellulari Neurali nella segmentazione delle immagini mediche.

Esaminando come le SNN si confrontano con le ANN nel consumo energetico.

Analizzando l'impatto dei componenti basati su quaternioni sulle performance di classificazione delle immagini.

Un nuovo metodo migliora le prestazioni delle reti neurali bayesiane attraverso la simmetrizzazione.

La Dynamic Neural Dowker Network migliora l'analisi dei grafi diretti in evoluzione.

Un nuovo modello migliora l'accuratezza nel riconoscimento degli oggetti in immagini complesse.

TINA rende più facile l'elaborazione dei segnali sull'hardware delle reti neurali.

G2C3 migliora le simulazioni della microturbulenza del plasma nei dispositivi di fusione usando reti neurali.

Esaminando l'organizzazione e la specializzazione dei neuroni nei modelli transformer.

Questo articolo esplora i meccanismi dietro le attivazioni dei neuroni e il loro impatto sulle prestazioni del modello.