67 papers
Dit paper introduceert mlx-snn, de eerste native bibliotheek voor spiking neural networks op Apple Silicon, die dankzij het MLX-framework aanzienlijk snellere training en lager geheugengebruik biedt dan bestaande PyTorch-gebaseerde oplossingen.
Dit onderzoek toont aan dat algebraïsche herschrijvingen van doelobjectieven en de gebruikte steekproefstrategieën leiden tot gestructureerde lokale afwijkingen van de 'No Free Lunch'-theorema-intuïtie, waardoor de prestaties van optimalisatie-algoritmes statistisch significant veranderen en een bewuste keuze voor probleemklasse en objectiefrepresentatie noodzakelijk maken.
Deze paper introduceert een gezamenlijk hardware-werklast co-optimisatiekader op basis van een geoptimaliseerd evolutionair algoritme dat generaliseerbare IMC-versnellers ontwerpt die meerdere neurale netwerken efficiënt ondersteunen en zo de prestaties aanzienlijk verbeteren ten opzichte van werklast-specifieke ontwerpen.
Dit artikel presenteert een robuust, adaptief KKT-gebaseerd convergentie-indicator voor multi-objectieve optimalisatie dat, door middel van kwantielnormalisatie, de stationariteit van oplossingen meet zonder afhankelijk te zijn van externe referentiezets.
Dit paper presenteert een wiskundig onderbouwde analyse van Lyapunov-stabiliteit voor een stochastisch drift-diffusiemodel in multi-objective optimalisatie, vergezeld van een implementatie in het pymoo-framework, en toont aan dat deze methode hoewel minder concurrerend in lage dimensies, een waardevol alternatief biedt voor hogere dimensies onder beperkte evaluatiebudgetten.
Deze paper introduceert VietNormalizer, een open-source, afhankelijkheidsloze Python-bibliotheek die Vietnamese tekst normaliseert naar spreekbare vormen voor TTS- en NLP-toepassingen door een efficiënt, op regels gebaseerd systeem te gebruiken voor het verwerken van getallen, datums, valuta en leenwoorden.
Het introduceren van 'dropout', een techniek waarbij willekeurig de helft van de neurale detectors tijdens het trainen wordt uitgeschakeld, voorkomt overfitting door complexe co-aanpassingen te onderdrukken en leidt tot aanzienlijke verbeteringen in spraak- en objectherkenning.