Artigos mais recentes para Parâmetros

Um estudo sobre como espaçar pontos de forma eficiente em um espaço bidimensional.

Um novo método permite que modelos de aprendizado de máquina esqueçam dados de forma eficaz e rápida.

Representações de palavras compactas melhoram o desempenho e a eficiência dos modelos de linguagem.

Um olhar sobre como os mapas de torção ligados mostram comportamento ergódico e parâmetros de cisalhamento.

Esse estudo desenvolve um modelo pra simular a propagação da COVID-19 e avaliar as restrições sociais.

Uma visão de como o comportamento caótico surge de focos-sela em vários sistemas.

Um novo método conecta o conhecimento prévio a modelos de mistura finita para agrupamento.

Um novo modelo estatístico melhorando a análise de dados em várias áreas.

Usando simulações e aprendizado de máquina pra melhorar nosso entendimento sobre a formação de estrelas.

Uma nova forma de entender e prever os hábitos de fumar.

Aprenda como a sparsidade melhora a eficiência em modelos de aprendizado multitarefa.

Um método novo busca ajudar modelos a aprender tarefas novas sem esquecer as antigas.

Esse artigo analisa as incertezas dos parâmetros em modelos termodinâmicos e seus efeitos nas previsões.

Um novo método simplifica a calibração de modelos climáticos, aumentando a confiabilidade e economizando tempo.

Uma nova abordagem de otimização usando geometria riemanniana pra ter resultados melhores.

Uma abordagem baseada em dados pra melhorar a eficiência e a personalização da produção de microgéis.

Delta-LoRA facilita o ajuste fino de grandes modelos de linguagem com melhor desempenho e menos uso de recursos.

Neurais ODEs juntam redes neurais com sistemas dinâmicos pra um aprendizado mais avançado.

Descubra como a evolução dirigida otimiza as funções das proteínas para aplicações no mundo real.

SparseSwin oferece classificação de imagem eficiente com menos parâmetros e alta precisão.

o phi-1.5 mostra que modelos menores podem se sair bem com dados de qualidade.

Novos métodos melhoram a eficiência e o desempenho em redes neurais usando Mistura de Especialistas.

Este artigo fala sobre o Ajuste de Canal Saliente, um método para ajustar grandes modelos de forma eficiente.

Um novo método pra melhorar previsões em deep learning bayesiano, focando em parâmetros chave.

Um método pra melhorar os transformers de gráfico de forma eficiente e usando menos recursos.

A pesquisa mostra como se formam e se mantêm estáveis os braços espirais nas galáxias.

A pesquisa melhora modelos de aprendizado profundo para ambientes com recursos limitados.

Pesquisadores desenvolvem um modelo pra estudar relações espaciais e impactos à distância.

Redes de Nuvem de Pontos reduzem parâmetros enquanto mantêm o desempenho em tarefas de aprendizado profundo.

Este estudo investiga como as bactérias se movem com base em fatores ambientais usando dados experimentais.

Uma nova abordagem pra prever mortalidade e melhorar a resposta a desastres.

Os polinômios de Jacobi grandes têm propriedades únicas que são essenciais para várias aplicações matemáticas.

Uma olhada em modelos espaço-temporais na análise de dados.

Pesquisadores estudam a forma da linha de uma partícula rara usando dados de colisões de alta energia.

Novo modelo melhora a análise de relações complexas em estatísticas e aprendizado de máquina.

Apresentando um novo método pra reduzir o uso de memória ao ajustar modelos grandes.

Focar em aprimorar a estimativa de parâmetros melhora a precisão do modelo de crescimento tumoral.

Esse estudo destaca a importância da variabilidade nos processos cognitivos usando técnicas de modelagem avançadas.

Pesquisadores desenvolvem métodos para analisar dados estelares e entender melhor as estrelas massivas.

Uma olhada em Jogos Temporais Paramétricos e suas aplicações em sistemas em tempo real.