67 artigos
O artigo apresenta o mlx-snn, a primeira biblioteca nativa de redes neurais de pulsos (SNN) para Apple Silicon baseada no framework MLX, que oferece modelos de neurônios, métodos de codificação e treinamento eficientes, superando o snnTorch em velocidade e uso de memória em hardware M3 Max.
Este artigo demonstra que a reformulação algébrica de funções objetivo e o desenho de benchmarks podem gerar desvios locais estruturados da intuição do Teorema "No Free Lunch", criando reclassificações estáveis e padrões de desempenho que exigem uma escolha de algoritmos consciente tanto da classe de problemas quanto da representação do objetivo.
Este trabalho apresenta um framework de co-otimização conjunta de hardware e carga de trabalho, baseado em um algoritmo evolutivo, que projeta aceleradores de computação em memória (IMC) generalizados capazes de suportar múltiplas redes neurais com eficiência, reduzindo significativamente o produto energia-atraso-área (EDAP) em comparação com métodos que otimizam para cargas específicas.
Este artigo propõe uma reformulação adaptativa e robusta de um indicador de convergência baseado nas condições KKT, utilizando normalização por quantis para avaliar o desempenho de algoritmos de otimização multiobjetivo sem depender de conjuntos de referência externos.
Este artigo apresenta uma análise de estabilidade de Lyapunov para um modelo de otimização vetorial estocástica baseado em equações diferenciais estocásticas, complementada por uma implementação numérica compatível com o framework *pymoo*, demonstrando que, embora menos competitivo em baixas dimensões, o método oferece uma alternativa matematicamente tratável e eficaz para otimização multiobjetivo em cenários de alta dimensionalidade com orçamentos de avaliação restritos.
Este artigo apresenta o VietNormalizer, uma biblioteca Python de código aberto e sem dependências externas que oferece uma solução unificada baseada em regras para a normalização de texto vietnamita, convertendo números, datas, moedas, porcentagens, siglas e termos estrangeiros em suas formas faladas para aplicações de TTS e NLP.
O artigo demonstra que a técnica de "dropout", que consiste na omissão aleatória de metade dos detectores de características durante o treinamento, reduz significativamente o sobreajuste em redes neurais ao prevenir co-adaptações complexas, resultando em melhorias substanciais e novos recordes em tarefas de reconhecimento de fala e objetos.