3797 papers
Dit onderzoek toont aan dat diepe leermodellen, met name U-Net en SCAN, superieur zijn aan conventionele methoden voor het detecteren van wolken en wolkschaduwen in hyperspectrale beelden van de MethaneSAT- en MethaneAIR-missies, waardoor de nauwkeurigheid van methaanretrievals aanzienlijk wordt verbeterd.
Deze studie onthult dat veel huidige meermodale benchmarks onbedoeld afhankelijkheid van afzonderlijke modaliteiten (zoals alleen tekst of alleen afbeeldingen) versterken in plaats van hun interactie, wat leidt tot een nieuwe kwantitatieve karakterisering voor een betere evaluatie van meervoudige modaliteiten.
Dit paper introduceert een pragmatisch, API-gebaseerd framework dat machine learning op legacy-systemen mogelijk maakt door het modellevenscyclus te ontkoppelen van de productieomgeving, waardoor experts via een lichtgewicht browserinterface zonder hardware-upgrades of productiestilstand toegang krijgen tot geavanceerde ML-analyses.
Deze paper introduceert SMoPE, een nieuw raamwerk voor continu leren dat een sparse Mixture of Experts-architectuur toepast op gedeelde prompts om de prestaties van taakspecifieke methoden te benaderen met aanzienlijk minder rekenkosten en geheugengebruik.
Het paper introduceert RADAR, een lichtgewicht en interpreteerbaar routeringskader dat, geïnspireerd door psychometrie, query's dynamisch toewijst aan de meest geschikte reasoning-LLM-configuratie op basis van de moeilijkheidsgraad van de vraag en het beschikbare reasoning-budget om zo de prestaties te maximaliseren en de kosten te optimaliseren.
Dit paper introduceert Composer, een modulaire zoekframework voor hybride neurale architecturen dat door middel van schaalstrategieën nieuwe LLM-ontdekkingen mogelijk maakt die Llama 3.2 overtreffen in prestaties en efficiëntie.
Dit paper introduceert MIG-Vis, een methode die variatie-automatische codering en mutual information-gestuurde diffusiemodellen combineert om te aantonen dat neurale populaties in de hogere visuele cortex van makaken georganiseerd zijn in semantisch selectieve subspaces die specifieke visuele eigenschappen coderen.
Dit onderzoek toont aan dat eenvoudige communicatieprotocollen in multi-agent LLM-systemen veel effectiever zijn voor het bevorderen van samenwerking dan curriculumlearning, die door suboptimale ontwerpkiesingen kan leiden tot 'aangeleerd pessimisme' en een afname van samenwerking.
Dit artikel presenteert de eerste systematische evaluatie van zelftoezichthoudend leren (SSL) voor slaapstadiëring met draagbare EEG, waarbij wordt aangetoond dat deze aanpak de prestaties aanzienlijk verbetert en klinisch bruikbare nauwkeurigheid bereikt met slechts 5% tot 10% van de benodigde gelabelde data.
Dit artikel onderscheidt geopolitieke schokken, die soevereine defaultrisico's direct beïnvloeden, van geoeconomische schokken, die via monetair beleid en de mondiale financiële cyclus werken, en toont aan dat liquiditeitsvoorziening weliswaar de door de financiële cyclus veroorzaakte spreadverbreding kan opvangen, maar niet de aanhoudende geopolitieke risicopremie.
Het paper introduceert HyWA, een methode die hypernetwerken gebruikt om gepersonaliseerde gewichten voor een standaard spraakactiviteitsdetectiemodel te genereren, wat leidt tot betere prestaties en eenvoudigere implementatie dan bestaande technieken.
Deze paper introduceert een uitlegbaar, bias-bewust generatief model dat cross-modale aandacht, Grad-CAM++-attributie en een 'Reveal-to-Revise'-feedbacklus verenigt om zowel de prestaties als de eerlijkheid en robuustheid van AI-systemen in multimodale en tekstuele toepassingen te verbeteren.
Dit paper introduceert nieuwe absolute clusterindices om de compactheid en scheidbaarheid van clusters te bepalen en zo het optimale aantal clusters in een dataset te identificeren, waarbij de prestaties worden vergeleken met bestaande validatiemethoden.
Dit paper introduceert het Hermite-eigenstructuur-ansatz (HEA), een theoretisch raamwerk dat leercurves voor kernelregressie op realistische datasets voorspelt door uitsluitend gebruik te maken van ruwe datastatistieken, en toont aan dat dit model ook de leerorde van MLP's in het kenmerkleerregime nauwkeurig beschrijft.
Deze paper toont via een unificerende geometrische analyse aan dat Value Iteration, onder de aanname van een uniek en unichain optimaal beleid, zowel in de geval van afgezonderde als gemiddelde beloningen met een geometrische snelheid convergeert die sneller is dan eerdere theorieën suggereerden.
Het artikel introduceert KVTC, een lichtgewicht coderingstechniek die de Key-Value-cache van grote taalmodellen met tot 20 keer comprimeert door decorrelatie, adaptieve kwantisatie en entropiecodering toe te passen, waardoor het GPU-geheugenverbruik aanzienlijk wordt verlaagd zonder in te leveren op de nauwkeurigheid.
Dit artikel introduceert Augmented Time Series Causal Models (ATSCM), een methode die neurale causale ontdekking combineert met contrasterend redeneren om de complexe, dynamische oorzakelijke relaties in energiemarkten te modelleren en scenario's voor hernieuwbare energie te simuleren.
Deze paper introduceert het TNCM-VAE-model, een nieuwe methode die variatie-automatische coderingen combineert met structurele causale modellen om synthetische financiële tijdreeksen te genereren die zowel temporele afhankelijkheden als causale relaties behouden voor verbeterde tegenfeitelijke analyse en risicobeoordeling.
Dit artikel introduceert het DGET-framework, een multi-task learning-architectuur die Graph Neural Networks combineert met Transformers om de resource-allocation in hybride radio-optische IoT-netwerken te optimaliseren, waardoor de doorvoer wordt gemaximaliseerd, de Age of Information met tot 20% wordt verlaagd en de complexiteit van NP-hard optimalisatieproblemen wordt overwonnen.
Dit paper introduceert STREAM-VAE, een variational autoencoder met een dual-path architectuur die langzame drifts en snelle pieken in voertuigtelemetrie expliciet scheidt om de robuustheid en betrouwbaarheid van anomaliedetectie te verbeteren.