Guillaume Rabusseau

Este artigo analisa se transformadores podem simular autômatos finitos e de árvore ponderados.

Um método pra simplificar e compactar estruturas de dados complexas pra facilitar a análise.

Um novo conjunto de dados melhora as capacidades de previsão em redes neurais gráficas temporais.

Apresentando a Adaptação de Subespaço Aleatório para um ajuste eficiente de modelos de linguagem.

Combinando modelos de snapshot e baseados em eventos pra melhorar a análise de gráficos temporais.

Descubra como os Transformers de Ordem Superior lidam com dados multidimensionais de forma eficiente.

Transformadores de Ordem Superior melhoram as previsões de movimentação de ações usando várias fontes de dados.