13489 papers
Deze paper introduceert een schaalbaar, generatief reinforcement learning-framework dat Monte-Carlo Tree Search, diepe generatieve modellen en Nash-verhandelingsconcepten combineert om effectieve online en offline tegenstandersmodellen te ontwikkelen voor complexe spelletjes met imperfecte informatie, zoals aangetoond in onderhandelingsexperimenten met mensen.
Dit paper introduceert het Deformation-Invariant Neural Network (DINN), een framework dat een lichtgewicht Quasiconformal Transformer Network (QCTN) integreert om geometrisch vervormde afbeeldingen te corrigeren en zo de prestaties van taken zoals beeldclassificatie, beeldherstel en gezichtverificatie aanzienlijk te verbeteren.
Dit paper introduceert een theoretisch raamwerk op basis van categorietheorie om in-context learning en meta-prompting van grote taalmodellen formeel te beschrijven, waarbij wordt aangetoond dat meta-prompting effectiever is dan basis-prompting voor het genereren van gewenste output.
Dit paper introduceert 3D-LFM, het eerste 3D-lifting foundation model dat met behulp van transformatoren diverse objectklassen kan reconstrueren zonder de beperkende noodzaak van corresponderende 3D-trainingsdata.
Dit artikel introduceert FLARE, een nieuw algoritme voor federatief leren dat door middel van geaccumuleerde regularisatie van embeddings de verouderingseffecten overwint en zo een tot nu toe ongekende mate van sparsiteit bereikt zonder in te leveren op de nauwkeurigheid.
Deze review analyseert 460 studies uit de periode 2017-2025 en concludeert dat diep leren de analyse van fotoplethysmografie (PPG)-signalen aanzienlijk heeft verbeterd ten opzichte van traditionele methoden, maar dat uitdagingen zoals beperkte datasets, gebrek aan validatie in de echte wereld en interpretatieproblemen nog moeten worden opgelost.
Dit paper introduceert ConjNorm, een nieuw theoretisch kader gebaseerd op Bregman-divergentie en Monte Carlo-schattingen dat de prestaties van out-of-distribution detectie aanzienlijk verbetert door de dichtheidsschatting te herformuleren als een zoektocht naar de optimale normcoëfficiënt.
Dit paper introduceert Ayn, een compact Indiaas juridisch taalmodel met slechts 88 miljoen parameters dat, ondanks zijn kleine formaat, presteert die vergelijkbaar zijn met of zelfs beter zijn dan veel grotere taalmodellen op specifieke juridische taken.
Dit artikel presenteert een nieuw universeel benaderingstheorema voor continue operatoren op Banachruimten en introduceert een methode voor operatorlearning in -ruimten via orthogonale projecties op polynoombases, die als theoretisch kader dient voor deep learning.
Deze studie presenteert een transparant AI-systeem op basis van multi-task learning dat basaalcelcarcinoom (BCC) nauwkeurig detecteert en klinisch relevante dermoscopische patronen visualiseert om het vertrouwen van dermatologen in teledermatologie te vergroten.
Dit artikel introduceert Interpretable Responsibility Sharing (IRS), een nieuwe heuristiek voor Taak- en Bewegingsplanning die de efficiëntie van huishoudelijke robots verbetert door het strategisch gebruik van hulpproducten om complexe taken op te splitsen en de besluitvorming te optimaliseren.
Dit artikel introduceert de Fine-Tuning Hybrid Dynamics (FTHD)-methode, een hybride benadering die fysiek geïnformeerde neurale netwerken combineert met een Extended Kalman Filter om de dynamische modellering van autonome raceauto's nauwkeuriger en robuuster te maken, zelfs met beperkte datasets en ruis in real-world data.
Deze paper introduceert PLDA, een nieuwe methode voor onbewaakte tijdreeks-anomaliedetectie die gebruikmaakt van parameter- en verliesgedrag om schadelijke anomalieverontreinigingen te onderscheiden van nuttige moeilijke normale samples, waardoor bestaande detectoren aanzienlijk worden verbeterd.
Dit artikel presenteert een verbeterde methode voor tijdsreeksvoorspelling die gebruikmaakt van causale inferentie om verborgen verstorende variabelen te modelleren, wat leidt tot nauwkeurigere en robuustere voorspellingen, zoals gedemonstreerd in klimatologische toepassingen.
Dit paper introduceert CausalDANN, een nieuwe methode die grote taalmodellen en domeinadaptatie gebruikt om causale effecten van complexe tekstinterventies in sociale systemen te schatten, zelfs wanneer alleen waarnemingsdata beschikbaar is.
Dit artikel presenteert een hiërarchische aanpak voor het oplossen van gegeneraliseerde groeperingsproblemen in cellulaire productiesystemen, waarbij eerst procesroutes in families worden gegroepeerd via een netwerkstroommodel en vervolgens machinestellen worden gevormd met behulp van een kwadratische toewijzingsformulering of een heuristische procedure.
Het paper introduceert VisionZip, een efficiënte methode die de redundantie in visuele tokens vermindert door alleen informatieve tokens te selecteren, waardoor de inferentiesnelheid aanzienlijk toeneemt en de prestaties van visuele-taalmodellen verbeteren zonder dat langere tokenreeksen nodig zijn.
De auteurs presenteren FRAUD-RLA, een nieuwe aanval op basis van reinforcement learning die creditcardfraudedetectiesystemen effectief kan omzeilen met minder kennis dan bestaande methoden.
Dit artikel introduceert de L1-gewogen Dice Focal Loss (L1DFL), een nieuwe verliesfunctie die de prestaties van diepe neurale netwerken voor het detecteren en segmenteren van prostaatkanker in PSMA PET/CT-beelden significant verbetert door gradiënten te harmoniseren en zo de Dice-score met minimaal 4% te verhogen ten opzichte van bestaande methoden.
Deze studie introduceert een bio-geïnspireerd leerparadigma dat gebruikmaakt van oscillerende verbindingen om neurale netten in staat te stellen zich zonder toezicht en met weinig data snel aan te passen aan nieuwe en onbekende contexten.