기계 학습

Войти

대규모 잠재 네트워크 재구성을 위해 계산 효율성을 향상시키는 분산 알고리즘인 PALMS(Parallel Adaptive Lasso with Multi-directional Signals) 제안

잡음 제거 확산 모델은 우주론적 시뮬레이션의 초해상도를 위한 강력한 생성 모델이며, 특히 주어진 저해상도 시뮬레이션과 일치하는 다양한 소규모 특징을 재현할 수 있습니다.

전이 에지 센서(TES) 신호에서 광자 수를 정확하게 계산하기 위해 비선형 차원 축소 기술을 사용하는 비지도 분류 방법이 기존 방법보다 우수한 성능을 보여줍니다.

기계 학습 기술을 사용하여 작은 분자의 수화 자유 에너지를 정확하게 예측하고, 분자 기하학 및 토폴로지가 수화 자유 에너지를 예측하는 데 가장 중요한 요소임을 확인했습니다.

본 논문에서는 가우시안 혼합 모델링(GMM)을 사용하여 짧은 중력파 과도 현상을 검출하는 cWB 알고리즘의 민감도와 견고성을 향상시킨 향상된 방법을 제시합니다.

관측 가능한 은하 데이터(이산 점 군집)에서 관측 불가능한 우주론적 장(연속 필드)을 재구성하기 위해 그래프 신경망(GNN)과 합성곱 신경망(CNN)을 결합한 새로운 하이브리드 모델을 개발했습니다.

본 논문에서는 군-컨볼루션 접근 방식을 사용하여 동변량 동적 시스템의 효율적인 학습 및 분석을 위해 대칭성을 Koopman 연산자 프레임워크에 통합하는 방법을 소개합니다.

화학 결합 기반 기계 학습 모델을 사용하여 액체 프로필렌 글리콜(PG) 및 폴리프로필렌 글리콜(PPG)의 유전 특성을 정확하게 예측하고, 이 모델의 전이 가능성을 검증했습니다.

Het-node2vec은 node2vec 알고리즘을 확장하여 이종 그래프를 효과적으로 임베딩하고, 그래프의 구조적 및 의미적 특성을 모두 캡처하여 노드 레이블 및 에지 예측 작업에서 최첨단 성능을 달성합니다.

본 논문에서는 기계 학습을 사용하여 다양한 우주론적 모델에서 선형 이론으로 진화된 암흑 물질의 2점 상관 함수를 정확하게 나타낼 수 있는 간결한 기저 함수 세트를 찾아내고, 이를 통해 우주론적 매개변수에 대한 모델 의존성을 줄이는 방법을 제시합니다.

О нас

Продукты

Ресурсы