3962 articles
Cet article présente une architecture matérielle auto-organisatrice de type cérébral qui utilise des mécanismes électrochimiques pour permettre l'apprentissage et la mémoire in-materia grâce à la coévolution de la dynamique structurelle et de la connectivité fonctionnelle, réalisant ainsi une intelligence incarnée via des réseaux memristifs dendritiques adaptatifs.
Cet article présente un cadre pour la reconnaissance de l'écriture manuscrite imaginée basée sur l'EEG qui combine un encodeur neuronal inter-sujets gelé avec un classificateur léger spécifique à la cible et un décodeur de tri conscient de la confiance afin de parvenir à une personnalisation rapide, une haute précision de reconstruction de mots et des performances à faible latence et économes en énergie sur les appareils de bord.
Cette évaluation reproductible sur plusieurs jeux de données démontre que le masquage adaptatif par groupe de caractéristiques ne surpasse pas de manière significative les politiques de corruption non adaptatives plus simples pour améliorer la robustesse contre le décalage de l'ensemble de caractéristiques, suggérant que les contrôles appariés et l'inférence au niveau du jeu de données sont plus critiques que les mécanismes d'adaptation complexes pour cette tâche.
Cet article propose un cadre en boucle fermée et axé sur les données qui intègre le processus de minage de processus, l'analyse de réseaux complexes, l'apprentissage automatique explicable et la simulation de jumeau numérique pour automatiser la cartographie de la chaîne de valeur et optimiser quantitativement les conceptions d'états futurs, démontrant des réductions significatives du temps de cycle, des en-cours et des défauts à travers des scénarios de fabrication réels.
Cet article propose un cadre robuste pour la découverte d'équations directrices de systèmes dynamiques d'ordre fractionnaire à partir de données bruitées en intégrant un Réseau d'Opérateur Profond (DeepONet) pour une estimation précise de la dérivée fractionnaire avec une identification parcimonieuse de la dynamique non linéaire (SINDy) d'ensemble pour la régression parcimonieuse, démontrant une précision et une généralisation supérieures par rapport aux méthodes classiques de différences finies et aux réseaux de neurones standards.
Cette étude démontre que l'utilisation d'un petit budget de validation pour sélectionner une représentation textuelle compacte (spécifiquement une combinaison de TF-IDF et de SVD) pour les tâches de recommandation dans le commerce électronique peut réduire les coûts de calcul jusqu'à 90 % tout en maintenant une performance de test comparable à une sélection à budget complet, à condition que le pool de candidats soit appropriément contraint.
Cette étude démontre que l'application d'exigences explicites d'admission de preuves dans le cadre du questionnement clinique modifie considérablement le classement des itinéraires et les mesures de latence tout en réduisant les erreurs de validité des preuves matérielles, soulignant ainsi la nécessité de règles d'admission standardisées dans les bancs d'essai de latence clinique.
Cet article propose un cadre à deux couches comprenant le reclassement des preuves candidates (CAPE) et la sélection de réponses sensible au risque (CTA/EBC) afin d'optimiser l'allocation des preuves et le choix de la réponse dans la génération augmentée par récupération multi-étapes, améliorant considérablement les scores de rappel et de F1 par rapport aux bases de référence existantes telles que SAG, RRF et le vote majoritaire.
Cette étude pilote démontre que les petits modèles de langage à poids ouverts appliqués à des questions de connaissances psychiatriques présentent un mauvais étalonnage de la confiance, des classements de précision dépendants du domaine, et que le fait de les inciter à s'abstenir de répondre dégrade souvent plutôt qu'il n'améliore la performance lorsqu'ils sont évalués avec des statistiques appariées rigoureuses.
Cette étude introduit le Cadre de Réseau Épistémique Collectif (CENF), un modèle computationnel intégrant le contrôle de champ adaptatif et la plasticité de la confiance qui démontre des améliorations significatives de la précision et de la stabilité du consensus face aux attaques adverses dans des réseaux multi-agents synthétiques, tout en établissant des garanties de convergence formelles sous des conditions de conception spécifiques.