Artigos mais recentes para Modelos Computacionais

A média melhora o desempenho e a estabilidade dos KANs em tarefas de aprendizado de máquina.

Explorando como as matrizes de peso evoluem durante o treinamento de machine learning.

Explorando perspectivas geométricas na teoria do funcional de densidade em modelos de spin-rede.

Este estudo mostra como redes neurais podem lembrar e reproduzir padrões de disparo com precisão em diferentes condições.

Um estudo sobre o comportamento de autômatos celulares e redes aleatórias em relação a tarefas de memória.

Um olhar sobre redes neurais usando modelos detalhados e simplificados.

GATH melhora a conclusão de grafos de conhecimento usando mecanismos de atenção avançados pra mais precisão.

Um novo modelo melhora a geração de sequências ao combinar as forças dos VAEs e SSMs.

Logifolds melhoram a compreensão e a precisão na análise de conjuntos de dados complexos.

Uma nova abordagem usando Redes Kolmogorov-Arnold melhora as previsões da energia de ligação nuclear.

Inovações em neurônios LIF adaptativos melhoram o desempenho em tarefas temporais e espaciais.

Examinando como os transformers aprendem com o contexto sem precisar ser re-treinados.

Novas técnicas de modelagem melhoram nossa compreensão sobre o movimento das bactérias.

Pesquisas mostram uma restauração de simetria única em sistemas localizados de múltiplos corpos através do efeito Mpemba.

Explorando como os defeitos influenciam o emaranhado em sistemas quânticos.

Um novo método usando AutoSparse pra poda eficiente de redes neurais desde o começo.

Novos métodos melhoram as previsões da dinâmica costeira usando aprendizado profundo.

Um olhar sobre o Sparse Mamba, um método para melhorar o controle de modelos de linguagem.

Uma nova abordagem para melhorar o treinamento do GFlowNet com recompensas dependentes da política.

Este artigo apresenta um modelo para estudar a propagação de erros na computação quântica.

Este artigo fala sobre a conexão entre RvNNs e Transformers através de CRvNN e NDR.

Um novo método melhora a compreensão de linguagem em modelos Transformer usando geometrias não-lineares.

Explorando como erros na computação catalítica podem ampliar as capacidades computacionais.

Explore a complexidade dos autômatos finitos usando letras translúcidas no reconhecimento de linguagem.

HetSheaf melhora a representação de dados em grafos heterogêneos pra um desempenho melhor do modelo.

Um resumo das funções de string e sua importância na computação.

Explorando o impacto da recorrência na eficácia dos Transformers em tarefas de linguagem.

Usando modelagem de ordem reduzida pra prever movimentos de solo em terremotos mais rápido.

Novos métodos melhoram GNNs para tipos de gráfico desafiadores.

Analisando como o BERT interpreta palavras com múltiplos significados.

Pesquisadores desenvolvem modelos que imitam o processamento do cérebro usando luz e sistemas supercondutores.

Um novo método melhora a compreensão e a confiabilidade das redes neurais.

Um novo método melhora a representação de estruturas químicas pra uma análise e eficiência maiores.

Sistemas quânticos oferecem um jeito confiável de gerar números imprevisíveis.

Esse artigo fala sobre métodos pra entender melhor as redes neurais através de Autoencoders Esparsos e Regularização de Recursos Mutuais.

Explorando as capacidades e desafios da tecnologia Transformer em entender a linguagem.

Um jeito novo de entender as relações causais em ambientes dinâmicos.

Essa pesquisa melhora os Grafos de Conhecimento usando técnicas de amostragem negativa aprimoradas pra um desempenho melhor do modelo.

Descubra como os modelos NERDSS interagem com partículas e revelam padrões complexos na natureza.

Explorando como diferentes neurônios melhoram o desempenho do cérebro e influenciam o aprendizado de máquina.