Arbeiten, bei denen die ursprünglichen Autoren unsere verständliche Erklärung begutachtet haben.
Bei jeder Arbeit auf dieser Seite hat mindestens ein/e der ursprünglichen Autor*innen unsere verständliche Erklärung gesehen und begutachtet — entweder durch Bestätigung der Genauigkeit oder durch Korrekturwünsche, die wir anschließend umgesetzt haben. Eine Bestätigung bedeutet keine formelle Freigabe jedes Satzes, aber die Erklärung ist von den Menschen geprüft worden, die das Paper geschrieben haben.
1229 von Autoren geprüfte Arbeiten · 1191–1200 / 1229
Diese Studie zeigt, dass Transformer-Modelle mit evidenzbasierten Ausgabelagen auf dem HUPA-UCM-Datensatz die genauesten und am besten kalibrierten Unsicherheitsschätzungen für die Vorhersage des Blutzuckerspiegels bei Typ-1-Diabetes liefern und somit einen wertvollen Ansatz für klinisch sichere Echtzeitsysteme darstellen.
In dieser Note wird bewiesen, dass die Beilinson-Vermutung für bestimmte K3-Flächen über mit einer Involution gilt, deren Quotient eine in eine Sextik verzweigte projektive Ebene ist.
Der Artikel stellt Schätzer für das relative Risiko, das Odds-Verhältnis und deren Logarithmen vor, die auf einem zweistufigen sequenziellen Stichprobenverfahren basieren, um für beliebige Populationsparameter eine garantierte Genauigkeit bei einer kontrollierten Verhältniszahl der Stichprobengrößen zu erreichen.
Diese Studie zeigt, dass der Einsatz von Deep Neural Networks zur Positionsrekonstruktion in einem 2x2-Array von linear-gradierten SiPMs die Ortsauflösung und Linearität im Vergleich zu herkömmlichen Methoden erheblich verbessert und die Anzahl der auflösbaren Bereiche um den Faktor 5,7 bis 12,1 steigert.
Die Arbeit stellt einen generativen Rahmen vor, der dimension-8 SMEFT-Operatoren direkt aus erhaltenen Noether-Stromen konstruiert, um eine kinematisch diagonalisierte Basis (KDCB) zu schaffen, die Entartungen auflöst, Positivitätsbedingungen manifest macht und eine klare Verbindung zwischen Hochenergie-Daten und der Struktur neuer Physik herstellt.
Die Autoren stellen ein neues unüberwachtes Framework für die invariante Risikominimierung vor, das durch Methoden wie PICA und VIAE robuste Repräsentationen aus ungelabelten Daten extrahiert, indem es Invarianz über die Ausrichtung von Merkmalsverteilungen definiert, anstatt auf Labels angewiesen zu sein.
Die Arbeit stellt einen effizienten Nachtrainierungsansatz vor, bei dem Wissensgraphen als implizite Belohnungsmodelle dienen, um Sprachmodelle durch abgeleitete Pfadeignale zu befähigen, komplexe mehrstufige Schlussfolgerungen in Fachbereichen wie der Medizin durch Zusammensetzung axiomatischer Fakten zu treffen und dabei deutlich größere Modelle sowie Frontier-Systeme zu übertreffen.
Die Arbeit zeigt, dass die gerichtete CDNV (Varianz der Entscheidungsachsen) als zentrale geometrische Größe sowohl die starke Few-Shot-Transferfähigkeit als auch die geringe Interferenz bei Multi-Task-Aufgaben in selbstüberwachtem Lernen erklärt, indem sie eine geringe Variabilität entlang klassentrennender Richtungen sicherstellt.
Die Studie widerlegt die gängige Annahme, dass Elektrowetting auf strukturierten, lubricant-infundierten Oberflächen stets zu einer verbesserten Benetzung führt, und zeigt stattdessen, dass unter bestimmten Bedingungen unbalancierte elektrokapillare Kräfte zu einer schnellen seitlichen Ejektion von Tropfen führen können.
Diese Studie liefert eine fundierte Vorhersage des prompten Spaltneutronenspektrums von 233U(n,F) bis 20 MeV durch eine simultane Analyse gemessener und berechneter Daten für 233U, 235U und 239Pu, wobei der Einfluss der Kernspaltbarkeit und prä-spaltender Neutronen auf die Spektrenform und die Energieverteilung detailliert untersucht wird.