본 논문에서는 고차원 데이터 시각화를 위해 널리 사용되는 t-SNE 기법의 한계점을 개선하고자, Gaussian 커널을 대체하는 새로운 접근 방식인 Modified Isolation Kernel (MIK)을 제안합니다.
대규모 언어 모델의 인스트럭션 미세 조정에 널리 사용되는 인스트럭션 선택 전략들이 다양한 데이터셋, 예산, 평가 지표에서 일관성 있게 랜덤 샘플링보다 우수한 성능을 보이지 못하며, 선택 비용 대비 효율성 또한 떨어진다.
본 논문에서는 기계 학습 기반 베이지안 심층 학습 모델을 사용하여 비정상 확산 궤적에서 변화점을 감지하는 방법을 제시합니다. 특히, 불확실성 추정값을 활용하여 기존 방법으로는 감지하기 어려운 미묘한 변화를 감지하는 데 효과적임을 보여줍니다.
본 논문에서는 심층 학습을 사용하여 원샷 멀티 오프셋 GPR 데이터를 자동으로 처리하고 해석하여 기존 방식의 제한 사항을 해결하고 달과 화성 환경에서 지표 아래의 유전율 분포를 재구성하는 기능을 보여줍니다.
매개변수 변화에 따라 축소 차수 모델(ROM)을 효율적으로 조정하기 위해 투영 가우시안 프로세스(pGP)를 사용한 새로운 통계적 기계 학습 방법이 제안되었습니다.
본 연구는 분극성 장거리 상호 작용을 명시적으로 통합하여 기계 학습 원자간 잠재력의 예측력을 향상시키는 새로운 프레임워크를 제시합니다.
인코더-전용 모델이 특정 조건에서 경로-별 작업을 해결할 수 있지만, 디코더-전용 모델의 어려움과 작업의 복잡성에 대한 질문은 여전히 남아 있습니다.
본 논문에서는 이기종 지식 그래프(KG) 간의 개체 정렬 작업을 위해 속성 정보를 활용하는 새롭고 효과적인 프레임워크인 Attr-Int를 제안합니다.
본 논문에서는 기존의 전술 생성 및 검색 구성 요소 위에 필터링 메커니즘을 추가하여 증명 검색을 향상시키는 새로운 접근 방식인 3D-Prover를 제안합니다. 3D-Prover는 결정론적 점 프로세스를 사용하여 전술 후보를 의미적으로 다양하고 높은 품질의 부분 집합으로 필터링하여 증명 검색 공간을 효과적으로 줄입니다.
이 연구에서는 노이즈가 있는 측정 데이터에서 비선형 동적 시스템을 나타내는 편미분 방정식(PDE)을 발견하기 위해 물리 정보 기반 딥러닝 프레임워크 내에서 희소 시스템 식별 알고리즘을 제안합니다.