Zobrazeno 1 - 10
of 36
pro vyhledávání: '"Larionov, Denis"'
Publikováno v:
Известия высших учебных заведений: Прикладная нелинейная динамика, Vol 32, Iss 5, Pp 589-605 (2024)
Purpose. Causal relationship recognition is a fundamental operation in neural networks aimed at learning behavior, action planning, and inferring external world dynamics. This operation is particularly crucial for reinforcement learning (RL). In the
Externí odkaz:
https://doaj.org/article/ce8c07821ab54c838435152ce95863f6
In real applications of Reinforcement Learning (RL), such as robotics, low latency and energy efficient inference is very desired. The use of sparsity and pruning for optimizing Neural Network inference, and particularly to improve energy and latency
Externí odkaz:
http://arxiv.org/abs/2405.07748
Causal relationship recognition is a fundamental operation in neural networks aimed at learning behavior, action planning, and inferring external world dynamics. This operation is particularly crucial for reinforcement learning (RL). In the context o
Externí odkaz:
http://arxiv.org/abs/2309.08476
Modern AI systems, based on von Neumann architecture and classical neural networks, have a number of fundamental limitations in comparison with the brain. This article discusses such limitations and the ways they can be mitigated. Next, it presents a
Externí odkaz:
http://arxiv.org/abs/2205.13037
This article proposes a sparse computation-based method for optimizing neural networks for reinforcement learning (RL) tasks. This method combines two ideas: neural network pruning and taking into account input data correlations; it makes it possible
Externí odkaz:
http://arxiv.org/abs/2201.02571
Segmentation of certain hollow organs, such as the bladder, is especially hard to automate due to their complex geometry, vague intensity gradients in the soft tissues, and a tedious manual process of the data annotation routine. Yet, accurate locali
Externí odkaz:
http://arxiv.org/abs/2007.05103
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
Nuclear Energy and Technology 7(2): 111-125
The main tasks of diagnostics at nuclear power plants are detection, localization, diagnosis, and prognosis of the development of malfunctions. Analytical algorithms of varying degrees of complexity are used to solve these tasks. Many of these algori
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=pensoft_____::1cb9f2b7af134ba94dd7c17c8ac70101
https://doi.org/10.3897/nucet.7.63675
https://doi.org/10.3897/nucet.7.63675