Artigos mais recentes para Redes Neurais

Apresentando uma nova abordagem para modelar sistemas com aleatoriedade usando redes neurais.

Novos métodos pra expandir modelos transformers sem perder o progresso de treinamento anterior.

DFM-X melhora redes neurais abordando o aprendizado por atalho através de insights de frequência.

Explorando como a poda e os quaternions melhoram o desempenho de redes neurais.

Este estudo revela as vantagens do SGD em robustez em comparação com métodos de treinamento adaptativos.

Esse artigo fala sobre Redes de Fluxo Bayesiana e como elas são eficazes na geração de dados.

Um novo método melhora a forma como redes neurais lidam com dados desconhecidos.

SVD ternário oferece um jeito mais simples e eficiente de comprimir redes neurais.

Um olhar sobre o controle de transporte neural e suas aplicações.

Apresentando nós SNN reversíveis para treino e uso de memória mais eficientes.

Avanços em deep learning melhoram a qualidade e eficiência da imagem de Cone Beam CT.

Novas técnicas melhoram o processo de treinamento para redes neurais de pico.

Um novo framework melhora a confiabilidade de modelos de deep learning contra mudanças sutis.

EDNIL melhora a robustez do modelo contra mudanças nos contextos de dados.

Uma nova abordagem permite treinar redes neurais de forma eficiente em dispositivos pequenos sem a necessidade de retropropagação.

HollowNeRF melhora a eficiência e a qualidade na renderização 3D usando gerenciamento de dados direcionado.

Uma olhada na injetividade das camadas ReLU e suas implicações em redes neurais.

A pesquisa sobre computação em reservatórios foca em otimizar designs de redes para melhorar o aprendizado de máquina.

Evol-Q melhora a precisão de quantização em Transformers de Visão usando técnicas de busca evolutiva.

Esse artigo explora como melhorar a classificação usando softmax hierárquico em aprendizado de máquina.

Analisando como Redes Neurais Causais melhoram a resistência a ataques adversariais.

Um novo design de rede neural com metamateriais melhora a eficiência e a velocidade no processamento de imagens.

Explore estratégias iniciais de treinamento em aprendizado incremental de classe sem manter exemplos passados.

Explorando modelos eficientes para correspondência de similaridade em aprendizado de máquina.

Equivariança ajuda redes neurais a reconhecer imagens de forma consistente, mesmo com transformações.

Explorando o potencial e os desafios das redes neurais ópticas usando luz para computação.

Esse artigo fala sobre a Hipótese do Bilhete de Loteria e técnicas de poda em DNNs.

Um olhar sobre como melhorar o treinamento de RNNs profundas através de métodos de estabilidade de gradiente.

Uma abordagem revolucionária para treinar redes neurais sem gradientes.

Um método novo busca ajudar modelos a aprender tarefas novas sem esquecer as antigas.

Um novo método melhora modelos de difusão para gerar imagens mais nítidas.

Um método novo pra melhorar redes neurais gerenciando as correlações entre neurônios.

Uma visão geral das redes de Hopfield abordando generalização e overfitting.

Pesquisadores criam máscaras de peso pra ajudar modelos a manterem conhecimento enquanto aprendem novas tarefas.

Um novo método melhora o desempenho da classificação multiclasse usando ECOC com NEAT.

Um novo método melhora a classificação dos sons subaquáticos de embarcações usando redes neurais.

Uma nova ferramenta estima como as redes neurais reagem a mudanças nos dados de entrada, o que é crucial para a segurança.

Um novo método pra melhorar a qualidade do áudio usando redes eficientes em energia.

Uma olhada nas dinâmicas do SGD e seus efeitos no treinamento do modelo.

Um novo método melhora o desempenho dos modelos em dados que nunca foram vistos antes na visão computacional.