meineki.news Logo
meineki.news
KI News. Verstehen, was wichtig wird.
Anmelden
Suche

Finde Modelle, Firmen und Themen

Suche im News-Archiv nach Themen, die du dauerhaft verfolgen willst.

Ergebnisse für “RNNs”
Forschung

<h1>Neues Transfer‑Learning-Verfahren für RNNs nutzt Zeitdehnung</h1> <p>In der Modellierung physikalischer Prozesse spielt die Zeitentwicklung eine zentrale Rolle. Durch die Technik der Zeitdehnung, also einer Skalierung der Zeitachse, lässt sich ein Modell an unterschiedliche Umweltbedingungen anpassen, ohne die zugrunde liegende Dynamik zu verändern.</p> <p>Die vorgestellte Arbeit erweitert dieses Konzept um ein Transfer‑Learning-Verfahren für rekurrente neuronale Netzwerke (RNNs). Für eine Klasse linear
arXiv – cs.LG
Forschung

<h1>Neues Hybrid-Associative-Memory: RNNs und Self-Attention vereint</h1> <p>In einer kürzlich veröffentlichten Arbeit auf arXiv wird ein neuartiges Layer-Design vorgestellt, das die Vorteile von rekurrenten neuronalen Netzwerken (RNNs) und Self‑Attention kombiniert. Das sogenannte Hybrid Associative Memory (HAM) nutzt die Fähigkeit von RNNs, den gesamten bisherigen Kontext in einen kompakten, festen Zustand zu komprimieren, während Self‑Attention gezielt die Informationen speichert, die für das RNN schwer

arXiv – cs.LG
Forschung

<p>Warum sind lineare RNNs besser parallelisierbar?</p> <p>In der aktuellen Forschung gewinnen lineare rekurrente neuronale Netze (LRNNs) als Sprachmodelle immer mehr an Bedeutung. Sie vereinen eine starke Ausdruckskraft mit einer hohen Parallelisierbarkeit, was sie zu einer attraktiven Alternative zu herkömmlichen, nichtlinearen RNNs und sogar zu Transformern macht.</p> <p>Die neue Studie von ArXiv 2603.03612v1 liefert die entscheidende Antwort: LRNNs lassen sich als log‑tiefe arithmetische Schaltkreise da
arXiv – cs.LG