Artigos mais recentes para Redes Neurais

Uma olhada em como os atacantes replicam redes neurais com acesso limitado à saída.

Um novo sistema usa redes neurais espinhosas pra processar dados de forma eficiente.

SplatFields melhora a imagem 3D a partir de ângulos de câmera limitados, aumentando a qualidade e os detalhes.

Aprenda como os Monomial-NFNs melhoram a eficiência em redes neurais.

Cobweb/4L melhora como as máquinas aprendem linguagem usando uma abordagem eficiente.

Esse artigo analisa o uso de modelos de transformer no xadrez e suas vantagens.

Este artigo explora como o tamanho da amostra impacta o desempenho de redes neurais através das paisagens de perda.

Uma nova abordagem de auto-ensemble melhora a resiliência do modelo a mudanças adversariais.

Essa pesquisa explora métodos de redução de memória para treinar redes neurais profundas.

Um novo modelo de rede neural melhora as capacidades de reconhecimento de padrões e recuperação.

Pesquisas mostram que luz parcialmente coerente melhora a precisão em redes neurais ópticas.

O Pool Skip ajuda redes profundas lidando com singularidades de eliminação durante o treinamento.

Uma análise profunda de redes neurais para minimização de variação total em imagens.

Uma olhada em como as redes neurais aprendem e se adaptam ao longo do tempo.

Um novo método melhora o aprendizado de modelos menores a partir de modelos maiores usando similaridade espacial.

Uma nova abordagem melhora a velocidade e eficiência do treinamento de redes neurais usando nowcasting.

Um novo método melhora a eficiência de redes neurais em aplicações científicas.

Um novo modelo melhora as previsões ao voltar a olhar os palpites antigos.

Este estudo analisa a eficácia dos Autoencoders Esparsos em entender as características dos modelos de linguagem.

Uma nova abordagem para transmitir mensagens curtas de forma segura usando técnicas de deep learning.

Explorando a eficácia e as questões em torno das redes neurais recorrentes no processamento de dados sequenciais.

HEN melhora a recuperação de memória em redes neurais ao aumentar a separabilidade de padrões.

Aprenda como os hiperparâmetros afetam o desempenho e a complexidade das redes neurais.

Combinar redes neurais de grafos e autoencoders variacionais melhora a precisão na classificação de imagens.

Um novo método melhora o desempenho das SNN enquanto economiza energia através da compressão de pesos.

Um novo método melhora o agrupamento de redes neurais pra uma compreensão melhor.

SGDrop ajuda as CNNs a aprenderem melhor com dados limitados, ampliando seu foco.

Explorando como a estrutura de dados impacta o desempenho de machine learning.

Analisando a perda de plasticidade no aprendizado contínuo e o papel da nitidez.

Novos métodos otimizam a quantização de modelos de linguagem grandes, melhorando a eficiência e a precisão.

Explorando mapas invariantes e Equivariantes pra melhorar redes neurais.

Taxas de aprendizado dinâmicas e super conjuntos de nível melhoram a estabilidade no treinamento de redes neurais.

Apresentando um novo método para melhorar modelos de deep learning, reduzindo o overfitting.

Usando redes neurais implícitas pra melhorar a medição da velocidade do som nos tecidos.

Um olhar sobre os resultados do desafio Codec-SUPERB e as métricas de desempenho do codec.

Uma nova abordagem pra lidar com problemas de memória em aprendizado de máquina.

Apresentando um modelo neural que melhora as medições de similaridade em grafos ao considerar os custos de edição.

Este estudo analisa como os Transformers conseguem memorizar dados em vários contextos.

Analisando como os modelos SSL memorizam pontos de dados e suas implicações.

Um novo método melhora a eficiência do modelo enquanto diminui o tamanho.