cs.LG artigos | Gist.Science

Do Spatial Descriptors Improve Multi-DoF Finger Movement Decoding from HD sEMG?

Este estudo conclui que, embora o método de campo de bloco baseado em descritores lineares multicanal (MLD-BFM) tenha alcançado a melhor precisão na decodificação contínua de cinco graus de liberdade do movimento dos dedos a partir de sinais HD sEMG, a melhoria não foi estatisticamente significativa em comparação com características temporais convencionais, sugerindo que a alta resolução espacial já é capturada por descritores baseados em amplitude e que preservar essa resolução espacial é mais crítico do que aplicar redução de dimensionalidade.

Ricardo Gonçalves Molinari, Leonardo Abdala EliasWed, 11 Ma🤖 cs.LG

EMFusion: Conditional Diffusion Framework for Trustworthy Frequency Selective EMF Forecasting in Wireless Networks

O artigo apresenta o EMFusion, um framework de previsão probabilística baseado em difusão condicional que utiliza uma arquitetura U-Net residual com atenção cruzada para realizar previsões multivariadas e seletivas em frequência de campos eletromagnéticos em redes sem fio, superando os modelos existentes ao fornecer estimativas de incerteza calibradas e lidar com medições irregulares.

Zijiang Yan, Yixiang Huang, Jianhua Pei, Hina Tabassum, Luca ChiaraviglioWed, 11 Ma🤖 cs.AI

Enhancing Reconstruction Capability of Wavelet Transform Amorphous Radial Distribution Function via Machine Learning Assisted Parameter Tuning

Este estudo apresenta o framework WT-RDF+, que aprimora a reconstrução da Função de Distribuição Radial (RDF) em materiais amorfos, como os sistemas Ge-Se e Ag-Ge-Se, através da otimização de parâmetros físicos por meio de aprendizado de máquina, superando modelos de benchmark e corrigindo limitações de precisão de amplitude.

Deriyan Senjaya, Stephen Ekaputra LimantoroWed, 11 Ma🔬 cond-mat.mtrl-sci

The Affine Divergence: Aligning Activation Updates Beyond Normalisation

O artigo propõe uma nova perspectiva teórica sobre a normalização em redes neurais, identificando uma discrepância nas atualizações de ativação e apresentando soluções alternativas, como o "PatchNorm", que superam os normalizadores convencionais ao tratar a normalização como um mapeamento funcional com escalas parametrizadas.

George BirdWed, 11 Ma🤖 cs.LG

Provable Acceleration of Distributed Optimization with Local Updates

Este artigo demonstra, pela primeira vez de forma rigorosa, que a incorporação de atualizações locais no algoritmo DIGing pode acelerar a otimização distribuída com gradientes exatos, revelando que apenas duas iterações locais são suficientes para obter a melhoria máxima sem necessidade de reduzir o tamanho do passo.

Zuang Wang, Yongqiang WangWed, 11 Ma🤖 cs.LG

An AI-powered Bayesian Generative Modeling Approach for Arbitrary Conditional Inference

O artigo apresenta a Modelagem Generativa Bayesiana (BGM), uma estrutura unificada baseada em aprendizado de máquina que permite inferência condicional arbitrária com quantificação de incerteza rigorosa, superando as limitações de métodos existentes ao aprender um modelo generativo único que não requer retreinamento para diferentes condições.

Qiao Liu, Wing Hung WongWed, 11 Ma🤖 cs.AI

Automating Forecasting Question Generation and Resolution for AI Evaluation

Este artigo apresenta um sistema automatizado baseado em agentes de pesquisa web com LLMs que gera e resolve em escala milhares de perguntas de previsão diversificadas e verificáveis, superando plataformas humanas em qualidade e demonstrando como essa abordagem pode melhorar o desempenho de modelos de IA na previsão de eventos.

Nikos I. Bosse, Peter Mühlbacher, Jack Wildman, Lawrence Phillips, Dan SchwarzWed, 11 Ma🤖 cs.AI

Infusion: Shaping Model Behavior by Editing Training Data via Influence Functions

O artigo apresenta o Infusion, um framework que utiliza aproximações escaláveis de funções de influência para realizar pequenas perturbações em documentos de treinamento, permitindo moldar sistematicamente o comportamento de modelos de visão e linguagem de forma sutil e eficaz.

J Rosser, Robert Kirk, Edward Grefenstette, Jakob Foerster, Laura RuisWed, 11 Ma🤖 cs.AI

Robust Assortment Optimization from Observational Data

Este artigo propõe um framework robusto para otimização de sortimento baseado em dados observacionais que maximiza a receita esperada no pior cenário, superando as limitações de modelos tradicionais ao lidar com mudanças nas preferências dos clientes e garantindo eficiência estatística através do conceito de "cobertura robusta item a item".

Miao Lu, Yuxuan Han, Han Zhong, Zhengyuan Zhou, Jose BlanchetWed, 11 Ma🤖 cs.LG

Bottleneck Transformer-Based Approach for Improved Automatic STOI Score Prediction

Este estudo apresenta uma abordagem inovadora baseada em Transformers com gargalo para prever a métrica STOI de forma não intrusiva, superando os métodos atuais ao combinar blocos convolucionais e atenção auto-referencial para alcançar maior correlação e menor erro quadrático médio em cenários conhecidos e desconhecidos.

Amartyaveer, Murali Kadambi, Chandra Mohan Sharma, Anupam Mondal, Prasanta Kumar GhoshWed, 11 Ma🤖 cs.LG

B-DENSE: Branching For Dense Ensemble Network Supervision Efficiency

O artigo apresenta o B-DENSE, um novo framework que utiliza alinhamento de trajetória multi-ramo para fornecer supervisão densa em modelos de difusão, mitigando erros de discretização e melhorando a qualidade da geração de imagens em comparação com métodos de destilação tradicionais.

Cherish Puniani, Tushar Kumar, Arnav Bendre, Gaurav Kumar, Shree SinghiWed, 11 Ma🤖 cs.AI

Missing-by-Design: Certifiable Modality Deletion for Revocable Multimodal Sentiment Analysis

O artigo apresenta o "Missing-by-Design" (MBD), um framework unificado para análise de sentimentos multimodal que permite a revogação certificada de modalidades específicas de dados, garantindo conformidade com a privacidade e autonomia do usuário sem a necessidade de retreinamento completo do modelo.

Rong Fu, Ziming Wang, Chunlei Meng, Jiaxuan Lu, Jiekai Wu, Kangan Qian, Hao Zhang, Simon FongWed, 11 Ma🤖 cs.LG

Continual uncertainty learning

Este artigo propõe um novo framework de aprendizado contínuo baseado em currículo que combina controle baseado em modelo e aprendizado por reforço profundo para decompor problemas de controle robusto com múltiplas incertezas em tarefas sequenciais, permitindo uma transferência eficiente do simulador para a realidade em aplicações industriais como o controle de vibração ativa de trens de força automotivos.

Heisei Yonezawa, Ansei Yonezawa, Itsuro KajiwaraWed, 11 Ma🤖 cs.AI

Breaking the Factorization Barrier in Diffusion Language Models

O artigo apresenta o Coupled Discrete Diffusion (CoDD), um framework híbrido que supera a barreira de fatorização em modelos de linguagem de difusão ao substituir distribuições de saída totalmente fatoradas por uma camada de inferência probabilística leve, permitindo a modelagem eficiente de dependências conjuntas complexas e gerando textos coerentes em poucos passos com custo computacional reduzido.

Ian Li, Zilei Shao, Benjie Wang, Rose Yu, Guy Van den Broeck, Anji LiuWed, 11 Ma🤖 cs.AI

Detecting Transportation Mode Using Dense Smartphone GPS Trajectories and Transformer Models

Este artigo apresenta o SpeedTransformer, um modelo baseado em Transformers que utiliza apenas dados de velocidade de trajetórias GPS densas para detectar modos de transporte com maior precisão e adaptabilidade geográfica do que modelos tradicionais como o LSTM.

Yuandong Zhang, Othmane Echchabi, Tianshu Feng, Wenyi Zhang, Hsuai-Kai Liao, Charles ChangWed, 11 Ma🤖 cs.LG

Non-Rectangular Average-Reward Robust MDPs: Optimal Policies and Their Transient Values

Este artigo estuda processos de decisão de Markov robustos não retangulares sob o critério de recompensa média, demonstrando que políticas com arrependimento sublinear são ótimas, estabelecendo uma representação minimax para o valor robusto e propondo uma política baseada em épocas que garante desempenho transitório constante ao combinar a política estacionária ótima para o pior caso com testes sequenciais e aprendizado online.

Shengbo Wang, Nian SiWed, 11 Ma🤖 cs.LG

DUEL: Exact Likelihood for Masked Diffusion via Deterministic Unmasking

O artigo apresenta o framework DUEL, que permite o cálculo exato da verossimilhança em modelos de difusão mascarada (MDMs) sob a distribuição de teste, revelando que esses modelos são substancialmente mais eficientes do que se pensava anteriormente e possuem um potencial de desempenho superior ao dos modelos autoregressivos.

Gilad Turok, Chris De Sa, Volodymyr KuleshovWed, 11 Ma🤖 cs.LG

Reasoning as Gradient: Scaling MLE Agents Beyond Tree Search

O artigo apresenta o \textsc{Gome}, um agente de engenharia de aprendizado de máquina que substitui a busca em árvore tradicional por otimização baseada em gradientes, alcançando desempenho superior em modelos de raciocínio avançados e estabelecendo uma nova direção escalável para agentes de IA.

Yifei Zhang, Xu Yang, Xiao Yang, Bowen Xian, Qizheng Li, Shikai Fang, Jingyuan Li, Jian Wang, Mingrui Xu, Weiqing Liu, Jiang BianWed, 11 Ma🤖 cs.AI

FinTexTS: Financial Text-Paired Time-Series Dataset via Semantic-Based and Multi-Level Pairing

O artigo apresenta o FinTexTS, um novo conjunto de dados de séries temporais financeiras emparelhadas com texto, construído por meio de um framework inovador que utiliza correspondência semântica baseada em contextos específicos de empresas e classificação multinível (macro, setor, empresas relacionadas e alvo) para capturar interdependências complexas do mercado e melhorar a previsão de preços de ações.

Jaehoon Lee, Suhwan Park, Tae Yoon Lim, Seunghan Lee, Jun Seo, Dongwan Kang, Hwanil Choi, Minjae Kim, Sungdong Yoo, SoonYoung Lee, Yongjae Lee, Wonbin AhnWed, 11 Ma🤖 cs.AI

Unveiling the Potential of Quantization with MXFP4: Strategies for Quantization Error Reduction

Este artigo apresenta duas técnicas de software, Escalonamento Consciente de Estouro (OAS) e Escalonamento de Macro Bloco (MBS), que reduzem drasticamente a lacuna de precisão entre os formatos MXFP4 e NVFP4 em Grandes Modelos de Linguagem, permitindo que o padrão MXFP4 atinja acurácia quase equivalente ao NVFP4 sem exigir alterações no hardware.

Jatin Chhugani, Geonhwa Jeong, Bor-Yiing Su, Yunjie Pan, Hanmei Yang, Aayush Ankit, Jiecao Yu, Summer Deng, Yunqing Chen, Nadathur Satish, Changkyu KimWed, 11 Ma🤖 cs.AI

← Anterior Próximo →