64 papers
Dit artikel introduceert een gedetailleerde digitale simulatie voor de Verenigde Staten die de interacties tussen landbouwdieren, wilde vogels en mensen modelleert om de verspreiding van ziekten zoals H5N1 beter te begrijpen en risicogebieden voor surveillance te identificeren.
Het paper introduceert GIT-BO, een nieuwe methode voor Bayesiaanse optimalisatie in hoge dimensies die TabPFN v2 combineert met een actieve subruimte-mechanisme om zonder online hertraining sneller en effectiever te presteren dan bestaande GP-gebaseerde methoden op diverse synthetische en real-world problemen.
Deze paper introduceert EDINET-Bench, een open-source benchmark voor Japanse financiële rapporten die aantoont dat zelfs geavanceerde grote taalmodellen moeite hebben met complexe financiële taken zoals fraudeopsporing en dat er behoefte is aan realistischere evaluatiekaders met gespecialiseerde ondersteuning.
Dit paper introduceert AttnBoost, een interpreteerbaar leerframework dat feature-level attention integreert in het boosting-proces om de voorspellingsnauwkeurigheid en inzichtelijkheid van retailverkoopdata te verbeteren.
Deze paper introduceert FMint-SDE, een multimodaal foundation model dat op basis van in-context learning en correctie van grove oplossingen een universele en efficiënte methode biedt voor het nauwkeurig simuleren van stochastische differentiaalvergelijkingen in diverse wetenschappelijke domeinen.
Dit artikel stelt een privacy-bewust model voor voor offline CBDC-betalingen op IoT-apparaten, dat gebruikmaakt van Zero-Knowledge Proofs, beveiligde elementen en een hybride architectuur om veilige transacties zonder internetverbinding mogelijk te maken terwijl dubbelbesteding wordt voorkomen en AML/CFT-regels worden nageleefd.
Het artikel introduceert FedEMA-Distill, een serverzijde methode voor federatief leren die exponentiële voortschrijdende gemiddelden en kennisdistillatie op basis van client-logits combineert om de nauwkeurigheid te verhogen, de communicatiekosten te verlagen en de weerstand tegen Byzantijnse aanvallen te vergroten, zonder aanpassingen aan de client-zijde of modelhomogeniteit te vereisen.
Dit artikel betoogt dat wanneer de capaciteiten van ingebouwde intelligentie kritieke drempels overschrijden, dit een fundamentele transformatie van de economische geografie van de productie teweegbrengt door de logistiek van fabriekslocaties en schaal te herschikken van arbeidskosten naar machine-optimale omstandigheden.
Deze studie toont aan dat een instrumenteerde gebouvvloer kan fungeren als een fysieke reservoircomputer die, door gebruik te maken van ingebouwde versnellingsmeters en een lichtgewicht verwerkingspijplijn, de locatie van voetstappen met submeter-precisie kan lokaliseren zonder dat specifieke recalibratie voor verschillende personen nodig is.
Dit paper introduceert VeNRA, een neuro-symbolisch agent-systeem dat de betrouwbaarheid van financiële redenering garandeert door probabilistische tekstretrieval te vervangen door een strikt getypeerd Universal Fact Ledger en een gespecialiseerd Sentinel-model dat hallucinaties forensisch detecteert via geadvanceerde adversarial training.
MOOSEnger is een domeinspecifiek AI-agent die conversational workflows combineert met deterministische MOOSE-aware hulpmiddelen om natuurlijke taalintenties om te zetten in uitvoerbare simulatie-inputs, wat resulteert in een aanzienlijk hogere succesratio dan een LLM-only baseline.
Dit artikel presenteert een directe, op meetkunde gebaseerde set-membership-methode voor het lokaliseren van een punt in op basis van afstandsmetingen met onbekende maar begrenste fouten, waarbij het niet-convexe verzameling van mogelijke locaties wordt benaderd door efficiënte convex-optimalisatietechnieken om gegarandeerde uitwendige omhullende vormen (zoals een doos of ellipsoïde) te berekenen.
Dit onderzoek verbetert de nauwkeurigheid en efficiency van simulaties van smeltbad-dynamica in metaaladditieve productie door een nieuwe parameter-geschaalde CSF-methode te introduceren die de berekende temperatuurgradiënten en interface-fluxen significant optimaliseert ten opzichte van klassieke benaderingen.
Dit paper introduceert een nieuw raamwerk dat Large Language Models (LLM's) gebruikt om formule-alphas te genereren die, in combinatie met sentimentdata, als ingevoerde features dienen voor Transformer-modellen om de nauwkeurigheid en interpretatie van aandelenkoersvoorspellingen aanzienlijk te verbeteren.
Dit artikel presenteert een dynamische cryptocurrency-portefeuillestrategie die technische indicatoren en sentimentanalyse combineert binnen een gemiddelde-variatie-optimalisatiekader, wat leidt tot betere risicogecorrigeerde rendementen dan traditionele benchmarks, hoewel aanvullende risicobeheersmechanismen nodig zijn om de kwetsbaarheid voor marktdalingen te verminderen.
Dit artikel introduceert een PPO-gebaseerd versterkt leermethode die de gewichten van door een DeepSeek-model gegenereerde handelsalfas dynamisch optimaliseert, wat resulteert in een robuustere risicogecorrigeerde prestatie en lagere maximale drawdowns vergeleken met traditionele strategieën.
Dit artikel ontwikkelt een bi-orthogonaal Laplaciaans-calculus voor niet-normale gerichte netwerken die een exacte spectrale analyse mogelijk maakt door de geometrische vervorming veroorzaakt door niet-normaliteit te kwantificeren via duale eigenbasissen en singulariteitwaarden.
SpecBridge is een nieuw raamwerk dat tandem-massaspectrometrie en moleculaire representaties koppelt door een zelftoezichtspectrale encoder af te stemmen op de ingevroren latentruimte van een moleculair foundation-model, wat leidt tot aanzienlijk betere identificatie van kleine moleculen met weinig trainingsparameters.
Dit artikel presenteert een uitgebreid onderzoek naar verschillende PDE-oplossers, waarbij het CNF-framework wordt uitgebreid naar niet-lineaire en gekoppelde scenario's voor het oplossen van voorwaartse en inverse problemen, evenals het ontdekken van vergelijkingen, ondersteund door implementaties, zelftuningtechnieken en een grondige survey.
Dit artikel presenteert een geoptimaliseerde versie van de optAPM-code voor het modelleren van absolute plaatbewegingen, waarbij een vereenvoudigde hotspot-kostfunctie en voorafgaande interpolatie van hotspot-sporen de nauwkeurigheid en betrouwbaarheid van de reconstructies van historische plaatbewegingen aanzienlijk verbeteren.