Articoli più recenti per Reti Neurali

La libreria Spyx migliora l'efficienza nell'allenamento delle reti neurali spiking.

Nuovo studio esamina il ruolo dell'apprendimento delle rappresentazioni nei compiti sui grafi.

Esplorando come la nitidezza dei minimi influisca sulle prestazioni del modello su dati audio non visti.

Esplorare come le reti neurali possano fare previsioni accurate su dati mai visti prima.

La ricerca mostra che i metodi di regolarizzazione generali migliorano le performance degli agenti RL off-policy in diversi compiti.

Un metodo per rimuovere abilità indesiderate dai modelli linguistici mantenendo intatte le funzioni essenziali.

Esaminando come le reti neurali grafiche prevedono efficacemente dati non visti.

Una panoramica delle ODE nelle computazioni continue e delle sfide di complessità.

adaptNMT semplifica la creazione di modelli di traduzione per tutti i livelli di abilità.

La ricerca sul training di precisione ciclica migliora l'efficienza nel training delle reti neurali profonde.

Esaminando come le reti neurali danno priorità a funzioni più semplici rispetto a schemi complessi.

Un approccio ibrido migliora la precisione delle previsioni per comportamenti complessi nei sistemi.

Un nuovo modello migliora la comprensione delle relazioni tra variabili usando tecniche di apprendimento supervisionato.

Le reti neurali quantistiche usano connessioni residue per migliorare l'apprendimento e le prestazioni.

Nuovi metodi migliorano la robustezza delle DNN contro attacchi avversari considerando le vulnerabilità degli esempi.

LD3M migliora la distillazione dei dataset usando spazi latenti e modelli di diffusione per risultati migliori.

Uno sguardo a come il parallelismo dei modelli aiuta nell'addestramento di grandi reti neurali.

Un approccio fresco per valutare le reti neurali senza dover fare troppa formazione.

Uno sguardo a come le reti di Hopfield imitano i processi di memoria.

Esplorare come la profondità della rete influisce sull'apprendimento e sulla generalizzazione nell'AI.

La ricerca mostra come i minimi piatti siano legati a migliori prestazioni del modello su dati mai visti.

Questo articolo parla di nuovi metodi per migliorare le prestazioni del few-shot learning.

Indagare gli effetti del rumore sul training delle reti neurali profonde e sulla privacy.

Esplora come i prodotti interni migliorano la comprensione delle relazioni nel machine learning.

DiNAS offre un modo nuovo per creare reti neurali ad alte prestazioni in fretta.

Questo articolo analizza come le reti neurali migliorano le previsioni con pesi iniziali piccoli.

Affrontare la sovrastima del valore e il bias di primato per migliorare le prestazioni degli agenti.

Esaminando come la larghezza della rete influisce sulla retention della conoscenza durante compiti di apprendimento sequenziale.

Introducendo reti peripterali profondamente submodulari per un apprendimento dei dati efficace.

I ricercatori analizzano gli Stati Quantistici Neurali per migliorare la modellazione dei sistemi quantistici.

Esplorare come gli esempi avversariali influenzano i modelli di machine learning.

Uno sguardo più da vicino all'equilibrio tra profondità e larghezza nelle ODE neurali.

FOCIL permette alle macchine di imparare senza dimenticare in modo efficace le conoscenze passate.

Un nuovo metodo migliora la generazione di molecole simili a farmaci con isomerismo ottico.

Uno studio sulla generalizzazione delle reti ResNet profonde scalate.

Un nuovo metodo di allenamento aiuta i modelli linguistici a ricordare le informazioni meglio.

Uno studio rivela come i modelli di linguaggio apprendono le caratteristiche di genere da pochi esempi.

La ricerca mostra come le cellule semplici si adattano alle informazioni visive nel tempo.

Scopri come le teste di proiezione migliorano i modelli di machine learning.

Un nuovo metodo migliora l'efficienza e l'adattabilità del design delle reti neurali in diversi compiti.