5346 papers
Dit paper introduceert CauKer, een algoritme dat synthetische tijdreeksen genereert met behulp van Gaussische processen en causale modellen om tijdreeks-fundamentmodellen voor classificatie efficiënter voor te trainen dan met real-world data.
Dit paper introduceert GraphProp, een tweefasige methode voor het trainen van graf-foundationmodellen die zich richt op structurele generalisatie door graf-invarianten te voorspellen en deze te gebruiken als positie-encoding, waardoor de modellen superieure prestaties leveren bij graf-classificatie, vooral in scenario's zonder knooppuntattributen.
Dit artikel toont aan dat gating-mechanismen in recurrente neurale netwerken de effectieve leersnelheden tijdsafhankelijk en richtingsafhankelijk maken door een koppeling tussen de tijdschalen van de toestanden en de dynamica van de parameters, waardoor gates fungeren als data-gedreven preconditioners die de optimalisatie en credit assignment verbeteren.
Dit paper introduceert ECHO, een nieuw foundation model dat geavanceerde band-split architectuur en frequentie-positional embeddings combineert om variabele lengte signaalanalyses op willekeurige samplefrequenties mogelijk te maken, wat leidt tot state-of-the-art prestaties in machine-anomaliedetectie en foutclassificatie.
Dit artikel introduceert een algoritme op basis van inverse dynamische spellen dat parametrische beperkingen leert uit demonstraties van lokale Nash-evenwichten door gemengd-geheheel lineaire programmering te gebruiken, waarmee zowel theoretische garanties worden geboden voor het benaderen van veilige gebieden als robuuste bewegingsplanning wordt mogelijk gemaakt voor agenten met niet-lineaire dynamiek.
Dit artikel introduceert het Condition-based Latent Diffusion Model (CbLDM), een versnelde generatieve aanpak die Laplace-matrices en conditionele priors gebruikt om de inverse probleemoplossing voor het herwinnen van nanostructuren van monometallische nanopartikels uit hun atomaire paar-distributiefunctie (PDF) te stabiliseren en op te lossen.
Dit artikel introduceert een unificerend trainingskader dat een entropie-gedreven curriculumleerstrategie combineert met multi-task learning om de menselijke mobiliteitsvoorspelling te verbeteren door trajectvoorspelbaarheid te kwantificeren en afstand en richting als aanvullende taken te integreren, wat leidt tot state-of-the-art prestaties en een tot 2,92-voudig snellere convergentie.
Dit artikel vergelijkt imputatiegebaseerde methoden (MICE) met generatieve modellen zoals VAE's en CTGAN's voor het genereren van synthetische verzekeringsdata en concludeert dat MICE een effectief alternatief biedt met hogere data-kwaliteit en lagere implementatiecomplexiteit.
Dit artikel introduceert de F²SA--methode, die hogere-orde einddifferenties gebruikt om de complexiteit van stochastische bilevel-optimalisatie te verbeteren tot voor sterk gladde problemen, waardoor de snelheid dichter bij de ondergrens van komt.
Dit onderzoek toont aan dat er een fundamentele asymmetrie bestaat in het afleiden van agentgedrag, waarbij motieven met bijna 100% nauwkeurigheid kunnen worden geïdentificeerd, terwijl geloofssystemen ondanks schaalvergroting en geavanceerde architecturen een hard plafond bereiken van ongeveer 49% nauwkeurigheid vanwege een inherent informatiefout.
Dit artikel introduceert een modulaire, multimodale pipeline die gebruikmaakt van generatieve kunstmatige intelligentie om realistische, synthetische data over woongebouwen te genereren op basis van publiek toegankelijke beelden, waardoor de afhankelijkheid van kostbare of privacygevoelige bronnen voor energie- en bouwsimulatie wordt verminderd.
Dit artikel introduceert PANO, een nieuw deep learning-model dat directe, fysisch onderbouwde 3D-fotoakoestische beeldvorming mogelijk maakt vanuit schaarse metingen, waardoor de beeldkwaliteit aanzienlijk verbetert en de klinische toepasbaarheid van deze technologie wordt vergemakkelijkt.
Dit artikel introduceert een snelle, op deep learning gebaseerde methode die spike-tijden gebruikt om via Dynamic Input Conductances (DICs) diverse, degeneratieve populaties van conductantie-gebaseerde neuronmodellen te reconstrueren, waardoor de link tussen experimentele waarnemingen en mechanistische modellen wordt versterkt.
Dit paper introduceert MICA, een privacy-bewust, spraakgebaseerd multi-agent systeem dat adaptieve en veilige real-time ondersteuning biedt voor industriële workflows en dat door middel van Adaptive Step Fusion en nieuwe benchmarks de betrouwbaarheid en responsiviteit in dynamische fabrieksomgevingen significant verbetert.
Dit paper introduceert het ORIC-framework om de prestaties van grote visueel-taalmodellen te evalueren en te verbeteren bij het herkennen van objecten in incongruente contexten, waarbij wordt aangetoond dat dergelijke situaties de herkenning bemoeilijken en dat visuele versterkingsfine-tuning de betrouwbaarheid kan vergroten.
Dit artikel introduceert ORN-CBF, een leermethode die hypernetwerken en Hamilton-Jacobi-bereikbaarheidsanalyse combineert om observation-geconditioneerde neurale veiligheidsfuncties te ontwikkelen die in deelt waarneembare omgevingen robuustere en generaliserende veiligheidsgaranties bieden dan bestaande methoden.
Dit artikel introduceert de eerste volledig empirische PAC-Bayes-benadering voor Markov-ketens, die de afhankelijkheid van onbekende mengingsparameters overbrugt door een schatting van de pseudo-spectrale kloof mogelijk te maken.
Deze studie toont aan dat lineaire probes voor het detecteren van schadelijk gedrag in taalmodellen sterk afhankelijk zijn van tekstuele aanwijzingen en aanzienlijk minder effectief worden zodra deze expliciete teksten worden gefilterd of afwezig zijn.
Dit paper introduceert AEGIS, een framework voor linkpredictie in schaarse bipartiete kennisgrafieken dat authentieke randen versterkt door bestaande randen te hersamplen of semantische KNN-augmentatie toe te passen, waardoor de prestaties worden verbeterd zonder valse eindpunten te genereren.
Aurora is een multimodaal foundation model voor tijdsreeksvoorspelling dat, door gebruik te maken van tekst- en beeldinformatie en zero-shot inferentie, superieure prestaties levert in diverse domeinen via een prototype-geleide flow matching-methode.