Artigos mais recentes para Redes Neurais

TransFusion melhora o aprendizado contrastivo com atenção estruturada e processamento de dados eficaz.

Um novo método melhora a precisão e a rapidez na estimativa de constantes de Lipschitz para redes profundas.

Este artigo fala sobre métodos para treinar redes neurais ReLU de duas camadas de forma eficiente.

Este artigo fala sobre a importância da inicialização de parâmetros em redes neurais.

Um novo método usa aprendizado por reforço pra podar CNNs enquanto tá treinando.

D'OH oferece novas maneiras de representar sinais de forma eficiente.

MambaMixer melhora a eficiência do aprendizado profundo para imagens e previsões de séries temporais.

Este artigo fala sobre os custos e melhorias para redes neurais de baixa precisão.

Um novo método melhora como os modelos mostram as relações entre objetos nas imagens geradas.

Explora técnicas que melhoram a comunicação full-duplex em sistemas MIMO mmWave.

Uma olhada nas redes de Hopfield para reconhecimento de padrões e armazenamento de memória.

Uma nova abordagem de rede neural melhora a modelagem de sistemas dinâmicos rápidos-lentos.

Uma exploração de como os modelos de linguagem preveem futuros tokens em comparação com o pensamento humano.

Explorando como a computação quântica melhora os modelos de difusão pra gerar imagens melhores.

Um novo método resolve questões importantes no aprendizado contínuo: plasticidade e esquecimento.

Analisando os desafios de desempenho enfrentados por algoritmos invariantes à rotação em cenários de dados ruidosos e esparsos.

Entendendo o impacto de ataques adversariais em modelos de aprendizado de máquina.

Uma olhada nos vários tipos de interneurônios corticais e suas funções.

Um olhar sobre como os agentes adaptam sua aprendizagem para conseguir comida.

Novos métodos melhoram as percepções de dados a partir de conjuntos de dados complexos.

Novo dispositivo melhora a computação baseada em luz para tarefas de IA.

Apresentando o HeMeNet pra aprendizado multitarefa de proteínas de forma eficiente usando estruturas 3D.

Analisando GNNs pra classificar eventos de colisão de partículas.

Empilhar melhora a eficiência no treinamento de redes neurais profundas ao aproveitar o conhecimento existente.

Explore como o momentum aumenta a eficiência no treinamento de redes neurais.

O SpikExplorer simplifica o design de Redes Neurais de Picos eficientes em termos de energia para dispositivos portáteis.

Estudo investiga como modelos quase-interpolantes se saem em dados que nunca viram antes.

Explorando como transformadores favorecem funções de baixa sensibilidade pra melhorar o desempenho.

Uma nova perspectiva sobre como as redes neurais aprendem características através de caminhos parecidos com os de especialistas.

Um método pra melhorar a retenção de conhecimento dos modelos de aprendizado de máquina durante o treinamento em novas tarefas.

Redes Neurais Estruturalmente Flexíveis melhoram a adaptabilidade para tarefas diversas.

Uma nova abordagem pra reduzir a complexidade das CNNs mantendo o desempenho.

Esse estudo analisa como inicializações de peso pequenas afetam o treinamento de redes neurais.

A pesquisa foca em melhorar a verificação de redes neurais com especificações NAP mínimas.

Um olhar sobre como os ajustes de parâmetros moldam o treinamento de redes neurais.

Essa pesquisa revela vetores de tarefa que melhoram o desempenho do modelo visual sem precisar de exemplos extras.

Novo método de IA melhora a classificação de células cancerígenas enquanto lida com os efeitos de lote.

Analisando a relação entre aprendizado contrastivo e métodos tradicionais como PCA.

Essa pesquisa identifica novos otimizadores promissores para modelos de deep learning.

Explora como o movimento do sinal afeta o desempenho e o treinamento do transformador.