13103 papers
Dit artikel introduceert een Budgeted Multi-Armed Bandit-framework met een afnemend schendingsbudget en een Budgeted UCB-algoritme dat sublineaire regret en logaritmische schendingsstraffen garandeert, waardoor het ideaal is voor IoT-systemen met dynamische hulpbronbeperkingen.
Dit paper introduceert GroverGPT-2, een op taalmodellen gebaseerde methode die met Chain-of-Thought-redenering en kwantumnatieve tokenisatie in staat is om Grover's algoritme te simuleren, waarmee wordt aangetoond dat klassieke modellen de structuur van kwantumalgoritmen kunnen leren en interpreteren.
Dit artikel presenteert een kader voor het modelleren van quantum RNN's en LSTM-netwerken door de verstrengelende en ontvlechtende kracht van unitaire transformaties te interpreteren als mechanismen voor informatievergaring en vergeten, waarmee de optimalisatie van quantum-schakelingen wordt verbeterd.
Deze paper introduceert Distance Explainer, een nieuwe methode voor het genereren van lokale, post-hoc verklaringen van embedded vectorruimtes in machine learning-modellen door attributiewaarden toe te kennen via selectieve masking en afstandsgesorteerde filtering, waarmee de transparantie en betrouwbaarheid van modellen zoals CLIP worden verbeterd.
Dit paper introduceert de 'Bottlenecked Transformer', een architectuur die periodieke herschrijvingen van de KV-cache toepast om het geheugen te consolideren en te reconsolideren, wat volgens de Information Bottleneck-theorie leidt tot verbeterde redeneerprestaties op wiskundige benchmarks.
Het artikel introduceert DPASyn, een innovatief raamwerk voor het voorspellen van geneesmiddelsynergie dat een dual-attention-mechanisme combineert met precisiebewuste kwantisatie om zowel de biologische complexiteit van interacties nauwkeuriger te modelleren als de rekenefficiëntie aanzienlijk te verbeteren.
Dit paper introduceert een nieuw frequentie-geëmbedeerd 3D Gaussian Splatting-algoritme dat effectief willekeurige en ongezochte RF-stralingsvelden in brede bandbreedtes reconstrueert door de relatie tussen frequentie en elektromagnetische eigenschappen te leren, wat resulteert in superieure prestaties vergeleken met bestaande single-frequency modellen.
Dit paper presenteert neurale netwerken als dynamische systemen op een latent manifold, waarbij het encode-decode-proces een vectorveld definieert dat wordt gebruikt om generalisatie, memorisatie en out-of-distribution samples te analyseren zonder extra training.
Dit paper introduceert EHR2Path, een schaalbaar multimodaal framework dat diverse longitudinale elektronische patiëntendata omzet in een geünificeerde tijdsrepresentatie om volledige ziekenhuisverlooptrajecten te voorspellen en te simuleren, waardoor proactieve en gepersonaliseerde zorg wordt ondersteund.
Dit paper toont aan dat grote taalmodellen tijdens de inferentie in staat zijn tot in-context versterkende leer (ICRL) door via een meerrondige prompting-methode met numerieke beloningssignalen hun prestaties te verbeteren op diverse complexe taken.