9324 papers
Dit artikel introduceert de Frequency-Separable Hamiltonian Neural Network (FS-HNN), een architectuur die de Hamiltoniaan parameteriseert via meerdere netwerken voor verschillende tijdschalen om zo de beperkingen van bestaande methoden bij het modelleren van complexe multi-tijdschaal dynamica te overwinnen en de generalisatie voor ODE's en PDE's te verbeteren.
Deze paper presenteert een lichtgewicht, hardware-onafhankelijke classificatiemethode gebaseerd op de genormaliseerde compressiedistance die, ondanks het ontbreken van strikte metriek-eigenschappen, hoge nauwkeurigheid bereikt met weinig trainingsdata en zo privacyvriendelijke client-side machine learning mogelijk maakt.
Dit paper introduceert CLAIRE, een hybride deep learning-framework voor slimme fabricage dat een geoptimaliseerde autoencoder combineert met een classifier en speltheoretische interpretatie voor nauwkeurige en verklaarbare foutdetectie in complexe industriële omgevingen.
Deze paper introduceert ALFCG, het eerste adaptieve projectievrije raamwerk voor stochastische compositieve niet-convexe optimalisatie dat noch globale gladheidsconstanten noch lijnzoeken vereist, en dat via variatie-reductie en momentum optimale iteratiecomplexiteit bereikt die de bestaande methoden overtreft.
Deze paper introduceert een uitgebreide kinetische regularisatiemethode (KBR) voor het nauwkeurig schatten van ruimtelijke afgeleiden uit ruisachtige data, wat leidt tot stabiele oplossingen voor hyperbolische partiële differentiaalvergelijkingen op onregelmatige puntenwolkjes.
Dit paper introduceert schema-gated agentic AI als een oplossing die de tegenstrijdige eisen van deterministische uitvoering en conversatieve flexibiliteit in wetenschappelijke workflows verenigt door conversatie en uitvoeringsautoriteit te scheiden.
Het paper introduceert R4T, een methode die reinforcement learning gebruikt om trainingsdata te genereren voor een efficiënte diffusiemodel-retriever die set-georiënteerde zoekopdrachten met hoge kwaliteit en lage latentie mogelijk maakt.
Dit artikel introduceert een nieuw XL-MIMO radiomap-dataset met 78.400 kaarten en een 'beam map'-benadering die fysische array-eigenschappen ontkoppelt van geleerde multipath-propagatie, waardoor de voorspellingsnauwkeurigheid voor onbekende configuraties en omgevingen aanzienlijk verbetert.
Deze paper introduceert M-CMAB, een adaptieve bandit-gebaseerde framework voor online scheduling van multi-modale LLM-inferenties dat door middel van een voorspeller, een constrainer en een planner effectief omgaat met heterogene backends en meervoudige budgetbeperkingen om de responskwaliteit te maximaliseren.
Dit artikel introduceert een referentiearchitectuur voor versterkingsleerframeworks, gebaseerd op een grondige analyse van 18 state-of-the-practice implementaties, om een gemeenschappelijke basis te bieden voor vergelijking, evaluatie en integratie.
Het artikel introduceert CLoPA, een strategie voor continue aanpassing van de nnInteractive-modellen met een klein aantal parameters die, zonder de bestaande werkstroom te veranderen, de prestaties van interactieve segmentatie voor medische beeldannotatie snel naar expertniveau tilt.
Dit artikel introduceert een framework voor de gecertificeerde en nauwkeurige berekening van functieruimtenormen van diepe neurale netwerken door intervalrekening op as-uitgelijnde dozen te combineren met adaptieve verdeling en kwadratuur, waardoor gegarandeerde boven- en ondergrenzen worden verkregen voor integralen zoals - en Sobolev-normen.
Dit artikel introduceert een Correlatie-Complexiteit-kaart als diagnostisch hulpmiddel om te bepalen of real-world data geschikt is voor IQP-quantumgeneratieve modellen, en demonstreert dat deze aanpak, gesteund door hoge QCLI- en CCI-waarden in turbulente data, concurrerende resultaten bereikt met minder trainingsdata dan klassieke modellen.
Het papier toont aan dat bij kwantum-gelimiteerde Gaussian-dynamica het omkeren van een noising-proces met een vaste score-drift de complete positiviteit schendt, waardoor extra diffusie noodzakelijk is om de fysieke geldigheid te herstellen.
Het paper introduceert NOBLE, een architecturale uitbreiding die permanente niet-lineaire laag-rang takken toevoegt aan transformer-lijnen voor training vanaf nul, wat leidt tot aanzienlijke verbeteringen in trainingsefficiëntie en een snellere convergentie met minimaal extra parameteroverhead.
COLD-Steer is een trainingsvrij raamwerk dat grote taalmodellen tijdens de inferentie stuurt door de representatieve veranderingen van in-context leren te benaderen, waardoor een effectiviteit tot 95% wordt bereikt met 50 keer minder voorbeelden dan bestaande methoden.
Dit artikel introduceert een semantiek-bewuste caching-methode die de runtime van conceptlering in beschrijvingslogica's met een factor tien verlaagt door het aantal benodigde instantie-oproepen te verminderen, wat effectief blijkt voor zowel symbolische als neuro-symbolische redeneerders.
Dit paper weerlegt de aanname dat meervoudige modale aanvallen op multimodale diffusiemodellen synergistisch werken, door aan te tonen dat ze vaak instorten tot een 'winnaar neemt alles'-dynamiek waarbij slechts één modale trigger de aanval domineert en andere modaliteiten overbodig worden.
Dit onderzoek toont aan dat een op meer dan 45.000 echo-beelden getraind AI-systeem de prenatale detectie van orofaciale clefts nauwkeurig kan uitvoeren en tegelijkertijd de diagnostische vaardigheden van minder ervaren radiologen verbetert, waardoor het een schaalbare oplossing biedt voor zowel diagnose als medisch onderwijs in gebieden met een tekort aan specialisten.
In dit paper demonstreren de auteurs hoe transformer-modellen kunnen worden getraind om atomaire overgangen in nano-clusters snel en accuraat te voorspellen, waardoor de hoge rekenkosten van conventionele simulatietechnieken worden vermeden.