3704 papers
Dit artikel introduceert een disjunctieve branch-and-bound-methode en nieuwe convex relaxaties die lage-rang-matrixcompletieproblemen met een gegarandeerd optimaal resultaat oplossen, wat leidt tot aanzienlijk lagere trainings- en testfouten vergeleken met bestaande heuristieken.
Dit paper introduceert natuurlijke taal-gebaseerde samenlevingen van geest (NLSOMs), waarin diverse neurale netwerken via een gemeenschappelijke taalinterface samenwerken in een 'mindstorm' om complexe multimodale taken op te lossen en de sociale structuur van toekomstige AI-samenlevingen te onderzoeken.
Dit paper verbetert de bestaande Riemannse Laplace-benadering met de Fisher-metrica door twee nieuwe varianten te ontwikkelen die de problemen van vertekening en te nauwe schattingen oplossen, waardoor exacte resultaten bij oneindige data worden gegarandeerd en de praktische prestaties in diverse experimenten worden verbeterd.
Deze studie toont aan dat grote taalmodellen (LLM's) een flexibel en data-efficiënt alternatief bieden voor het voorspellen van reisgedrag, zowel via zero-shot prompting als door het combineren van door LLM's gegenereerde tekstembeddings met traditionele leermethoden.
Deze paper introduceert een efficiënt, op optimale transport gebaseerd aggregatiekader voor het combineren van lokaal getrainde Mixture-of-Experts-modellen in een decentrale omgeving, waarbij met slechts één communicatiestap een globaal model wordt verkregen dat prestaties vergelijkbaar met centrale training bereikt.
Dit paper introduceert MFedMC, een communicatie-efficiënt framework voor multimodaal federatief leren dat een gedecoupeerde architectuur en een gezamenlijke selectie van clients en modaliteiten combineert om de uitdagingen van heterogene netwerken en bandbreedtebeperkingen aan te pakken, wat resulteert in een aanzienlijke reductie van communicatie-overhead zonder in te leveren op nauwkeurigheid.
Dit paper introduceert HyWIA, een nieuwe methode voor gestructureerde pruning van grote taalmodellen die via een hybride, adaptieve benadering zowel grof- als fijnkorrelige gewichtsbelangrijkheden combineert om prestatieverlies te minimaliseren.
Deze paper introduceert twee efficiënte benaderingen om de BAIT-strategie voor deep active learning schaalbaar te maken voor grote datasets zoals ImageNet door de Fisher-informatie te benaderen, terwijl de prestaties behouden blijven en een open-source toolbox wordt aangeboden.
In deze studie worden uitlegbare machine learning-technieken toegepast op een 28-jarige dataset om de toxiciteit van mosselen in de Golf van Triest te voorspellen, waarbij een random forest-model en SHAP-analyse belangrijke bijdragen leveren aan het identificeren van de veroorzakende algensoorten en omgevingsfactoren voor een betere vroegwaarschuwing.
Dit artikel introduceert een geregeliseerd optimalisatieprobleem voor het stoppen van processen, geformuleerd als een singuliere stochastische controle met een entropiestrafsysteem om exploratie te bevorderen, en biedt zowel model-gebaseerde als model-vrije versterkende leeralgoritmen met gegarandeerde verbetering.
Deze paper introduceert de Mamba Neural Operator (MNO), een nieuw framework dat state-space-modellen (SSMs) koppelt aan neurale operatoren om de beperkingen van Transformers bij het oplossen van partiële differentiaalvergelijkingen te overwinnen en zo een superieure oplossing te bieden voor het vastleggen van continue dynamiek en lange-afstandsafhankelijkheden.
Dit paper introduceert EarthquakeNPP, een verbeterde benchmark voor aardbevingvoorspelling die aantoont dat de geteste neurale puntprocessen (NPPs) momenteel niet beter presteren dan de klassieke ETAS-modellen.
Dit artikel introduceert een geometrisch theorie voor generatieve diffusiemodellen, waarin wordt aangetoond dat memorisatie van trainingsdata niet abrupt maar geleidelijk verloopt via een 'gladde instorting' waarbij het model zich geleidelijk concentreert op een paar voorbeelden naarmate de data schaars wordt.
Deze paper introduceert 3D-PIUNet, een hybride methode die fysisch geïnformeerde schattingen combineert met een 3D U-Net om de ruimtelijke nauwkeurigheid van EEG-bronreconstructie te verbeteren en zo de beperkingen van traditionele en puur datagedreven methoden overwint.
Dit artikel introduceert een nieuw continu leerframework voor klassen-incrementeel leren dat taakspecifieke Batch Normalization en out-of-distribution detectie combineert om catastrofale vergeetachtigheid te verminderen en de overgang van taak-incrementeel naar klassen-incrementeel leren mogelijk te maken zonder toegang tot taak-ID's.
Dit paper introduceert CLIQUE, een model-onafhankelijke methode voor lokale variabele belangrijkheid die beter in staat is om lokale afhankelijkheden en interacties in multiclass-classificatieproblemen vast te leggen dan bestaande technieken zoals LIME en SHAP.
Dit paper introduceert een nieuwe enkele-laags kwantumneuraal netwerk dat, gebaseerd op de SRBB-methode en Lie-algebra, unitaire evoluties efficiënt benadert met een exponentieel gereduceerd aantal CNOT-poorten, waarbij de prestaties zowel in simulatie als op echte hardware zijn gevalideerd.
Dit artikel introduceert een nieuw statistisch model voor paarwijze vergelijkingen dat de beperkende aanname van stochastische transitiviteit elimineert door gebruik te maken van een laag-dimensionale schuine-symmetrische matrix, waardoor het superieure voorspellende prestaties biedt in complexe scenario's waar traditionele modellen zoals Bradley-Terry falen.
Dit paper introduceert PoLAr-MAE, een zelftoezichtlerend model dat gemaskeerde puntmodellering toepast op LArTPC-data om fysiek betekenisvolle deeltjetrajecten te leren en zo prestaties te bereiken die vergelijkbaar zijn met gesuperviseerde methoden, maar dan met slechts een fractie van de benodigde gelabelde data.
Deze studie toont aan dat het modelleren van vliegtuigvertragingen door wachtmanoeuvres als een grafprobleem, waarbij CatBoost met grafkenmerken Graph Attention Networks overtreft op een onevenwichtige dataset, leidt tot nauwkeurigere voorspellingen die de operationele efficiëntie en passagierservaring in de luchtvaart kunnen verbeteren.