本文研究了自然界中对称模式的识别和分析，以及在物理学和化学结构研究中的应用。通过利用协同多智能体强化学习问题中的欧几里得对称性，设计了具有对称约束的神经网络架构，表现出优越的性能和泛化能力。

辛泰勒神经网络是一种高效且轻量级的学习算法，用于预测复杂的哈密顿动态系统。该算法采用新颖的神经网络架构，具有高精度和鲁棒性。

辛泰勒神经网络是一种高效且轻量级的学习算法，用于预测复杂的哈密顿动态系统。该算法基于新颖的神经网络架构，具有高预测精度和鲁棒性。

本文研究了自然界中对称模式的识别和分析，以及在物理学和化学结构研究中的应用。通过利用协同多智能体强化学习问题中的欧几里得对称性，设计了具有对称约束的神经网络架构，表现出优越的性能和泛化能力。

辛泰勒神经网络是一种高效且轻量级的学习算法，用于预测复杂的哈密顿动态系统。该算法采用新颖的神经网络架构，具有高预测精度和鲁棒性。

本文介绍了一种名为RC-Struct的基于结构的神经网络架构，用于MIMO-OFDM符号检测。RC-Struct利用MIMO-OFDM信号的时域结构，通过储备计算和二进制分类器实现多类检测。实验表明，RC-Struct在误比特率方面优于传统方法和现有策略，尤其在等级和链路自适应时更为显著。该架构为5G和其他通信领域的接收处理提供了启示。

该文章介绍了一种基于图数据学习的方法，用于检测大型网络中的恶意行为。通过建模网络实体之间的相互作用，使用HMILnet神经网络架构实现高表达能力和可扩展推断。实验结果表明，该方法在使用附加数据时提高了准确性，并展示了对于新的、以前未见的实体的泛化能力。

本文提出了一种基于简单卷积层的神经网络架构，结合低成本的动态时间编码水库节点，实现了异步时间特征的高效处理。RN-Net 在 DVS128 手势数据集上取得了最高的 99.2% 的准确率，并在较小的网络规模下，在 DVS Lip 数据集上实现了达到 67.5% 的准确率。代码将公开发布。

本研究通过设计Hamming距离约束器来评估生成模型的泛化能力，并对几种神经网络架构进行了实验。研究发现，小规模问题上的泛化能力可以预测大规模问题上的性能，对搜索大规模Ising模型的最佳网络架构具有重要意义。

该论文回顾了大型模型在天气预报中的应用，强调了它们在改善传统预报方法方面的作用。这些模型利用先进的神经网络架构处理气象数据，提高了预测准确性。论文还讨论了该领域的挑战，并探索了未来机会。它强调了人工智能与传统气象技术的整合，承诺提高天气预报准确性。

Transformer和MoE是两种不同的神经网络架构，各自有优缺点和适用场景。混合Transformer和MoE可以充分利用两者的优势，适用于处理长序列和复杂数据分布的任务。将MoE与Transformer结合可以构建强大而高效的人工智能模型。

本文介绍了AutoLip和SeqLip两种神经网络架构方法的Lipschitz常数的自动上界估计算法，并讨论了该算法在计算大型卷积和顺序神经网络时的使用情况和启发式技巧。提供了使用PyTorch环境的AutoLip实现，可以更精确地评估神经网络对小扰动的鲁棒性或进行正则化。

通过拓扑理论分析变压器神经网络的表达能力，发现常见的神经网络架构可以嵌入到分段线性函数的前拓扑中，而变压器必须位于其拓扑完成中。指出这两种网络家族实例化了不同的逻辑片段，并将其分析与架构搜索和梯度下降相类比，整合到对测控系统的框架中。

本文评估了未进行张量化的CNN的卷积核对准确性的影响，探索了密集CNN中编码信息的特性。

该研究提出了一种新的神经网络架构，用于心脏磁共振成像重建。该模型结合了超分辨率细化模块，提高了重建质量，并通过高通滤波器突出高频细节。该模型具有进一步提高心脏磁共振成像重建的潜力。

本文提出了一种基于图卷积操作的全新的可端到端训练的神经网络架构，解决了梯度消失和过参数化问题，具有最先进的性能和改进的结果。

本文介绍了一种用于学习足球运动员再识别的神经网络架构，包括双流网络和双线性池化层。通过双线性映射生成身体部位地图的局部特征，无需注释身体部位，通过训练整个网络最小化三元组损失来提高模型效果。实验证明该模型的有效性。

通过用户定义的参数、专家系统和基于开放领域知识训练的LLM，引入了一个新的框架（LeMo-NADe），用于自动发现基于用户定义参数的新的神经网络架构。该框架专为非AI专家设计，不需要预先确定的神经结构搜索空间，并考虑边缘设备参数。结果显示该框架能快速发现性能优异的复杂神经网络模型。

我们提出了一种快速高效且占用内存低的神经网络架构，用于交互式编辑 Neural Radiance Fields。通过图像编辑和几何和外观调整，我们能够实现编辑结果的视角一致，并通过语义特征提炼和局部3D感知图像内容。与现有的基于文本引导的编辑方法相比，我们的方法加速了10-30倍，并在多个示例上展示了外观和几何编辑的效果。