66 articoli
Lo studio dimostra che la riformulazione algebrica degli obiettivi e la progettazione dei benchmark generano deviazioni strutturate dall'intuizione del teorema "No Free Lunch", portando a riordinamenti stabili delle prestazioni degli algoritmi che richiedono una scelta consapevole basata sulla classe del problema e sulla rappresentazione dell'obiettivo.
Questo lavoro presenta un framework di co-ottimizzazione hardware-carico di lavoro basato su un algoritmo evolutivo ottimizzato per progettare acceleratori di calcolo in memoria (IMC) generalizzati che riducono significativamente il divario prestazionale tra soluzioni specifiche per carico e quelle adattabili a più modelli neurali.
Questo articolo propone una riformulazione adattiva basata sulla normalizzazione quantile di un indicatore di convergenza KKT per l'ottimizzazione multi-obiettivo, migliorandone la robustezza rispetto alle distribuzioni eterogenee dei residui di stazionarietà senza dipendere da insiemi di riferimento esterni.
Questo lavoro presenta un'analisi di stabilità di Lyapunov per un modello di ottimizzazione vettoriale stocastica basato su equazioni differenziali stocastiche, ne dimostra l'unicità e la ricorrenza positiva, e fornisce un'implementazione numerica compatibile con il framework *pymoo* che, pur mostrando prestazioni inferiori negli spazi a bassa dimensionalità rispetto agli algoritmi evolutivi, si rivela una valida alternativa in contesti ad alta dimensionalità con budget di valutazione limitato.
Il paper presenta VietNormalizer, una libreria Python open-source e priva di dipendenze esterne progettata per normalizzare il testo vietnamito convertendo numeri, date, valute, percentuali, acronimi e prestiti linguistici in forme pronunciate, colmando così le lacune degli strumenti esistenti per applicazioni di sintesi vocale e elaborazione del linguaggio naturale.
Il paper dimostra che l'uso della tecnica di "dropout", che consiste nell'omettere casualmente metà dei rilevatori di caratteristiche durante l'addestramento, riduce drasticamente l'overfitting prevenendo le co-adattazioni complesse e migliorando significativamente le prestazioni su compiti di riconoscimento vocale e di oggetti.