标签
机器学习
相关的文章：探索机器学习的最新研究和应用，了解人工智能领域的前沿技术和发展趋势。
应用椭偏光谱测量薄膜的光学特性和厚度，在反问题求解时传统的机器学习方法需要耗费大量时间和人工技术，为此，本研究提出了一种深度学习框架，结合残差连接和自注意机制，使用大规模基准数据集进行训练，在薄膜厚度预测方面取得了最先进的性能。
MatSci ML是一个用于建模固态材料的新型机器学习基准，使用多样化的材料系统和属性数据进行模型训练和评估，促进了算法和方法的发展。它允许研究人员结合多个数据集的观测结果进行共同属性预测。评估了不同的图神经网络和等变点云网络在几个基准任务上的性能。
利用大型语言模型和机器学习模型，提出一种新的集成方法来改善肺癌淋巴结转移的预测性能，实验结果表明，大型语言模型能够有效利用其医学知识和机器学习模型预测的概率，实现更准确的淋巴结转移预测，为临床风险预测任务提供了新的范例。
该研究提出了一种多步骤评估法的大型语言模型（LLM）评估范例，通过交互方式评估GPT-4-Vision-Preview在病理学领域的医学诊断准确性，结果显示约84%的正确诊断。该方法可应用于评估其他LLMs的准确性和实用性。
传统的机器学习系统通常只关注模型的训练或推理阶段，而 StraightLine 是一种资源感知的调度器，通过基于请求的独特特征智能地安排不同机器学习应用请求的资源，从而在混合基础设施中显著减少响应时间和失败率。
本文介绍了一种创新的云计算资源调度和管理方法，利用深度学习和遗传算法等优化技术提高系统性能和效率，取得了新的突破和进展。
该研究探讨了支持向量机（SVM）和随机森林（RF）模型在前列腺癌检测中的可重复性问题，通过多模态特征融合提高临床决策支持的潜力，为跨不同影像平台的机器学习模型提供稳健性和广泛适用性。
磁共振成像（MRI）是诊断和分期前列腺癌的关键工具。研究分析了随机森林和支持向量机在两个数据集上的表现，发现特征之间存在强相关性，并且大多数特征对分类几乎没有影响。确定了一小组决定分类结果的特征，有助于开发可解释的AI方法。
利用机器学习预测来改进在线算法性能的问题，研究了滑雪租赁和非知异工作调度两个经典问题，提出了新的在线算法，利用预测结果做出决策，不受预测性能的影响，但在预测不准确时性能不会下降太多。
近期算法设计的先进方法显示出提高性能的潜力，并提供最坏情况保证。本文研究在线问题，设计了专为所需算法任务而量身定制的在线学习算法，优化总体性能。
机器学习研究中，数据生成概率分布的概念起到重要作用，而我们提出的替代框架关注有限总体而不是抽象分布，为建模采样提供了新的机会。
本文回顾了机器学习的三个主要理论，并提出了一种新的理论，挑战了统计学和计算学习理论中的常见假设，通过自然语言处理和宏观经济学的案例研究进行了验证。
我们提出了一种结合机器学习和通量限制的子网格尺度建模方法，用于一维浅水方程的通量限制有限体积方法中。通过使用神经网络将保守目标方案的数值通量拟合到单调细网格离散化的粗网格平均值上，对子网格尺度组分进行参数化。为了确保正性保持和局部极大原理的有效性，我们使用了一个通量限制器，将等效波动形式的中间状态限制在一个凸允许集中。我们的数值研究结果证实，即使对于网络未经训练的情况，机器学习与整体凸限制的...
本文介绍了一种结合机器学习和通量限制的子网格尺度建模方法，用于一维浅水方程的通量限制有限体积方法中。通过使用神经网络将保守目标方案的数值通量拟合到单调细网格离散化的粗网格平均值上，对子网格尺度组分进行参数化。数值研究结果证实，机器学习与整体凸限制的结合能产生有意义的封闭结果。
以公平人工智能为案例进行研究，通过定性访谈分析了计算机科学与社会导向和跨学科研究之间的组织对齐问题和可行性，发现组织条件和社会世界的不确定性限制了社会导向和跨学科研究的可行性。
本文总结了追求人工智能系统公正性的方法和技术，提出了定义、衡量和预防人工智能偏见的指南，并提供了解决争议和混乱的共同语言。适用于从业者、领导和政策制定者，并提供了更多相关资料的链接。
机器学习在检测、诊断和治疗心理健康障碍方面的应用引起了越来越多的关注。
机器学习在医疗人工智能系统中的应用已经转向深度学习模型。多模态人工智能面临表示、融合、对齐、翻译和协同学习等五大挑战。本文调查了解决这些挑战的方法，并讨论了未来发展方向。
我们提出了一种局部到全局和测度论方法来理解数据集，核心思想是构建一个对数叠结构并将具有限域的网络模型解释为数据集的局部图表，实验证明对数叠结构可以用于识别模糊域并提高准确性，相对于模型输出的平均值。此外，我们提供了一个理论示例，强调限制集成器中的分类器域的重要性。
研究发现当前流行的数据分区技术存在问题，无法挑战联邦学习算法。提出了一种使用熵和对称性构建最具挑战性和可控数据分布的方法，并引入了衡量学习代理之间数据异质性的度量。实验证明该方法优于现有方法，展示了其挑战模型聚合算法的潜力。
正在访问的资源需要验证您是否真人。
或在微信中搜索公众号“小红花技术领袖”并关注
第二步：在公众号对话中发送验证码：