Artigos mais recentes para Transformador

Uma nova abordagem usando nuvens de pontos melhora a eficiência do design de implantes cranianos.

SDLFormer combina técnicas avançadas pra melhorar a qualidade das imagens de MRI e acelerar o processamento.

O CATS v2 melhora a precisão na segmentação de imagens médicas usando abordagens híbridas.

Esse artigo fala sobre as melhorias nos métodos de pooling para transformers em aprendizado supervisionado.

Radio2Text usa sinais de mmWave pra reconhecimento de fala em tempo real em ambientes barulhentos.

Explorando como os transformers se ajustam pra prever resultados em sistemas desconhecidos.

Um estudo sobre 13 modelos de transformer especificamente criados para a língua russa.

Uma nova abordagem pra melhorar a precisão na coleta de dados 3D de EBSD.

Essa pesquisa explora técnicas de aprendizado profundo pra melhorar as defesas contra ataques de canal lateral.

Uma nova abordagem traduz descrições de texto em sequências de vídeo.

Avaliando o desempenho de modelos Transformer usando hardware especializado GAUDI.

Explorando o desenvolvimento e o impacto dos modelos de linguagem modernos na comunicação.

Transformers melhoram o planejamento de rotas e a mapeamento cognitivo em ambientes complexos.

Examinando a relação entre transformadores e RNNs no processamento de linguagem.

O GATS junta modelos pré-treinados pra melhorar o processamento de dados multimodais.

ConvFormer melhora a precisão da segmentação em imagens médicas ao combinar CNNs e transformers.

Um novo framework melhora o aprendizado contínuo para tarefas que combinam visão e linguagem.

Esse estudo analisa como adicionar recorrência aos Transformers pra melhorar o desempenho em tarefas de aprendizado de máquina.

Uma olhada em como Transformers e GSSMs lidam com tarefas de cópia.

Essa pesquisa melhora as RNNs usando múltiplas perspectivas pra um processamento de texto melhor.

Um olhar sobre a disartria, como detectá-la e o papel da tecnologia.

Mamba-ND melhora a eficiência de processamento de dados multi-dimensionais com menos recursos.

Este artigo examina como os Transformers resolvem problemas usando inferência passo a passo e modelos de grafo.

O BEFUnet melhora a precisão na segmentação de imagens médicas juntando CNNs e transformers.

Esse estudo analisa como os modelos de linguagem adaptam suas previsões usando aprendizado em contexto.

Este artigo analisa como modelos de reinício incremental melhoram a compreensão da linguagem em meio a ambiguidades locais.

Esse artigo explora um método pra melhorar a sumarização de código usando insights da atenção humana.

Este artigo conecta modelos de transformadores com cadeias de Markov pra melhorar a compreensão.

Uma mergulhada profunda em métodos para detecção de linguagem abusiva e transferência de estilo de texto.

Explorando como os transformers aprendem aritmética em machine learning.

Pesquisa sobre como o viés indutivo afeta o desempenho do modelo Transformer.

Uma análise dos Transformers e seus métodos de aprendizado autorregressivo em contexto.

Um estudo sobre como usar transformers para uma boa marcação e representação de música.

O adaptNMT facilita a construção de modelos de tradução para todos os níveis de habilidade.

Explorando as imprecisões em modelos de linguagem grandes e suas implicações.

Um novo modelo melhora a previsão da ação de robôs e a adaptabilidade em tarefas diversas.

Uma olhada em como o paralelismo de modelo ajuda a treinar grandes redes neurais.

DARL oferece novos métodos para máquinas aprenderem e criarem imagens de forma eficaz.

Esse trabalho analisa o desempenho de transformers simplificados em tarefas de previsão.

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