Artigos mais recentes para Redes Neurais

Novo método enfrenta altos custos de treinar grandes modelos de linguagem.

Um estudo sobre por que modelos de deep learning têm desempenho diferente.

Redes difrativas se adaptam a várias condições de luz, melhorando o desempenho em aplicações práticas.

O Propper melhora os sistemas de ILP pra aprender de forma eficaz com dados incertos.

Este estudo explora como redes neurais processam formas incompletas, tipo o cérebro humano.

Novos métodos de treinamento aumentam a eficiência das redes neurais ópticas na análise de dados.

Uma nova abordagem simplifica o treinamento de redes neurais equivariante pra um desempenho melhor.

Um novo método melhora a capacidade das redes neurais de lidar com mudanças geométricas.

Um novo método melhora o uso de memória e a velocidade de treinamento em grandes modelos de linguagem.

Novos métodos melhoram a destilação de conjuntos de dados para conjuntos de dados longos.

Melhorando a precisão da classificação de imagens usando embeddings de autoencoders pré-treinados no SimCLR.

Este artigo explora a quantização zero-shot e suas aplicações em imaging infravermelho.

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

Melhorando a clareza da fala através de filtros híbridos e redes neurais.

Um novo método melhora redes neurais para dispositivos como smartphones e computadores baratos.

Explorando priors flexíveis pra melhorar as previsões em modelos Bayesian Last Layer.

Uma exploração dos complicados processos de treinamento em redes neurais estreitas de duas camadas.

Explorando simetrias locais pra melhorar métodos de aprendizado de máquina baseados em grafos.

Arquitetura inovadora melhora a eficiência em deep learning com computação óptica.

Este artigo investiga a mudança repentina na capacidade de aprendizado das redes neurais.

Um olhar sobre técnicas de transferência de peso e seu impacto no treinamento de redes neurais.

Este estudo avalia o papel dos Autômatos Celulares Neurais na segmentação de imagens médicas.

Analisando como os SNNs se comparam aos ANNs em consumo de energia.

Analisando o impacto dos componentes baseados em quaternions na performance de classificação de imagens.

Um novo método melhora o desempenho de redes neurais bayesianas através da simetrização.

A Rede Neural Dowker Dinâmica melhora a análise de grafos direcionais em evolução.

Um novo modelo melhora a precisão na detecção de objetos em imagens complexas.

A TINA facilita o processamento de sinais em hardware de redes neurais.

G2C3 melhora simulações de microturbulência plasmática em dispositivos de fusão usando redes neurais.

Analisando a organização e a especialização dos neurônios em modelos de transformadores.

Este artigo explora os mecanismos por trás das ativações dos neurônios e seu impacto no desempenho do modelo.

Um novo método pra lidar com o desequilíbrio de classes usando o Whitening-Net melhora o desempenho na classificação de imagens.

Novos métodos de compressão de imagem melhoram a eficiência e a qualidade.

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

Uma nova abordagem melhora os métodos de ator-crítico em aprendizado por reforço.

Uma nova abordagem melhora a segmentação de imagens usando técnicas de supervisão limitada.

RTUs melhoram a eficiência e a adaptabilidade em tarefas de aprendizado sequencial e controle.

Uma nova perspectiva simplifica redes neurais por meio de operações lineares e sistemas dinâmicos.

Pesquisadores melhoram redes neurais ópticas com pesos ternários, aumentando o desempenho e a eficiência.

Analisando como as técnicas de regularização afetam a capacidade do aprendizado de máquina de lidar com entradas desconhecidas.