Papers waarbij de oorspronkelijke auteurs onze begrijpelijke uitleg hebben bekeken.
Voor elke paper op deze pagina heeft ten minste één van de oorspronkelijke auteurs onze begrijpelijke uitleg gezien en beoordeeld — door te bevestigen dat de uitleg klopt of door correcties aan te vragen die wij vervolgens hebben doorgevoerd. Een bevestiging betekent niet dat auteurs elke zin formeel goedkeuren, maar wel dat de uitleg langs de mensen is gegaan die de paper hebben geschreven.
607 papers beoordeeld door auteurs · 341–350 / 607
Dit artikel stelt wiskundig schaalwetten en wisselkoersen vast om de waarde van hersendata bij het verbeteren van machinelearningmodellen te kwantificeren, waarbij specifieke voorwaarden worden geïdentificeerd met betrekking tot taak-hersenalignering, ruis en steekproefomvang, waaronder het verzamelen van neurale opnames voordelig is voor prestaties en robuustheid.
Het artikel introduceert FairHealth, een open-source Python-bibliotheek die is ontworpen om kritieke gaten in gezondheidszorg-AI voor settings met beperkte middelen te overbruggen door een geïntegreerd, modulair raamwerk te bieden dat eerlijkheidsaudits, privacybehoudende federatieve leer, uitlegbaarheid met lage bandbreedte en gespecialiseerde hulpmiddelen voor datasets uit het Zuiden van de wereld combineert.
Dit artikel stelt een niet-analytisch model voor dat aantoont dat de Boson-piek in amorfe vaste stoffen uitsluitend voortkomt uit fluctuaties in coördinatiegetallen, terwijl fluctuaties in de veerkracht voornamelijk alleen bijdragen aan demping.
Dit artikel introduceert een familie van fouttolerante niet-CSS quantumfoutcorrigerende codes die worden gegenereerd via graftoestanden en de blote-ancilla-methode, waarbij hun weerstand tegen haakfouten en superieure prestaties ten opzichte van bestaande vlag-qubit- en blote-ancilla-benaderingen onder diverse ruismodellen worden aangetoond.
Deze studie vergelijkt Hi 21-cm emissie-absorptie-observaties van de GWA- en LAB-onderzoeken met TIGRESS-numerieke simulaties om vast te stellen dat het neutrale interstellair medium bestaat uit ongeveer 19,8% koude, 32,5% instabiele en 47,8% warme fasen, een verdeling die overeenkomt met simulatieresultaten en de noodzaak onderstreept van toekomstige gevoelige radio-observaties om deze gasfracties verder te beperken.
Dit artikel introduceert Wasserstein Lagrangiaanse Mechanica (WLM), een nieuw kader en algoritme dat tweede-orde populatiedynamica leert uit tijdsreeksen door een gedempte actie te minimaliseren, waardoor de beperkingen van gradiëntstromen worden overwonnen om complexe gedragingen zoals periodiciteit, werveldynamica en zwermgedrag nauwkeurig te modelleren.
Dit artikel presenteert een uniform geselecteerde steekproef van 930 actieve galactische kernen met intermediaire zwarte gaten uit SDSS DR17, waarmee de roodverzetdekking van AGN's met lage massa wordt uitgebreid tot en een mogelijke kosmische evolutie in accretie-activiteit wordt blootgelegd, gekenmerkt door afnemende maximale accretiesnelheden en lichtsterkten bij lagere roodverzetten.
Dit artikel introduceert een op U-Net gebaseerde Generative Adversarial Network (GAN) die is getraind op realistische Planck-achtige simulaties en die met succes hoogwaardige kaarten van de kosmische microgolfachtergrondstraling reconstrueert door gelijktijdig contaminatie door voorgrondbronnen, instrumentale ruis en effecten van straalconvolutie te verwijderen, waarbij reconstructiefouten onder de 1% worden bereikt buiten het Galactische gebied.
Dit artikel stelt het "Agent-First Tool API"-paradigma voor en valideert dit, waarbij traditionele mensgerichte CRUD-interfaces worden vervangen door een semantisch protocol met zes werkwoorden en gestructureerde metadata voor besluitvormingsondersteuning, om de succespercentages van autonome agenten bij het uitvoeren van taken en de foutherstelcapaciteit in productieomgevingen voor ondernemingen aanzienlijk te verbeteren.
Het artikel stelt Contextual Plackett-Luce (CPL) voor, een efficiënt neuraal model dat parallelle scoring combineert met een lichtgewicht autoregressief selectieproces om ambiguë, multimodale sequentievoorspellingstaken effectief te behandelen terwijl het de computationele efficiëntie behoudt.