머신러닝

התחברות

תובנה - 머신러닝

이 논문에서는 잠재 결합 인수분해를 활용하여 저랭크 최적 운송 계획을 계산하는 새로운 알고리즘인 FRLC를 제안하며, 이는 기존 방법보다 우수한 성능과 해석 가능성을 제공합니다.

본 논문에서는 텍스트, 이미지, 오디오, 비디오 등 다양한 모달을 하나의 비디오 프레임 시퀀스로 변환하여 차세대 프레임 예측이라는 단일 작업으로 통합하는 새로운 멀티모달 학습 프레임워크를 제안합니다.

다단계 의사 결정 문제에서 종단 간 모델링의 효율성을 향상시키기 위해 중간 단계 표현을 안내하는 "가이드" 개념을 도입한 새로운 학습 프레임워크인 가이드 학습을 제안합니다.

대규모 언어 모델(LLM)은 머신러닝 워크플로우의 데이터 전처리, 특징 엔지니어링, 모델 선택, 하이퍼파라미터 최적화 및 워크플로우 평가를 포함한 다양한 단계를 자동화하고 향상시킬 수 있는 잠재력을 가지고 있다.

본 연구는 다중 에이전트 강화 학습 시스템에 진화적 역학을 도입하여 에이전트의 학습 매개변수와 협력 수준 간의 복잡한 관계를 탐구하고, 특히 온도 매개변수의 진화적 역학과 공공재 게임에서의 협력 최적화 가능성을 제시합니다.

본 논문에서는 고차원 점 구름에서 노이즈에 강건하며 계산 효율성을 높인 토폴로지 발생률 정보를 근사하는 새로운 방법인 교차 매칭된 발생률 이미지(CMPI)를 제안합니다.

체인형 머신러닝 모델에서, 이전 단계의 예측 불확실성을 후속 모델에 전달하면 정확도, 보정 및 예측 신뢰도 측면에서 성능이 향상될 수 있다.

REBORN이라는 새로운 비지도 ASR 프레임워크는 음성 분할 모델과 음소 예측 모델을 반복적으로 훈련하여 음성-텍스트 쌍 데이터 없이도 음성 신호에서 정확한 음소 전사를 생성합니다.

적층 제조 모니터링에서 데이터 프라이버시를 보호하면서도 머신러닝 모델의 정확성을 유지하기 위해 설명 가능한 AI와 벡터 기호 패러다임을 활용하는 차등 프라이버시-초차원 컴퓨팅(DP-HD) 프레임워크를 제안한다.

BONE이라는 새로운 프레임워크는 비정상 환경에서 베이지안 온라인 학습을 수행하는 다양한 기법들을 통합하고, 새로운 방법 개발의 토대를 마련하며, 상황에 맞는 최적 기법 선택을 위한 실험적 비교 분석을 제공합니다.

אודות

מוצרים

מידע נוסף