研究再现性作为生存分析
将大型语言模型(LLMs)整合到综合卫星、航空和地面网络(ISATNs)中,利用先进的人工智能(AI)和机器学习(ML)技术提升数据流、信号处理和网络管理,以推进 5G/6G 通信技术。通过先进的预测算法和实时决策,优化 ISATNs 的性能并解决传统数据处理瓶颈、网络管理挑战和技术限制,以实现真正互联的智能全球网络系统。
Jul, 2024
本文提出了一种基于小波的动态时空感知图神经网络 (W-DSTAGNN),用于解决交通流量预测问题,实验证实该方法有效地捕捉时空相关性,在三个不同的真实交通数据集上胜过了十种最先进的模型,可以以高效的方式处理动态时空依赖性并进行长期预测。
Jul, 2024
通过使用适用于对标签顺序进行正确预测的分类模型的排名式评分函数,我们提出了一种新颖的符合性预测方法,该方法能够预测一组可能的标签,并获得相应的置信度得分以捕捉不确定性。我们的方法构建了在实现期望覆盖率的同时管理其大小的预测集合,通过对底层分类器的排名分布进行理论分析,我们提供了符合性预测集合的预期大小的理论分析。通过广泛的实验证明了我们的方法在各种数据集上优于现有技术,提供了可靠的不确定性量化。本文的贡献包括一种新颖的符合性预测方法、理论分析和实证评估,通过实现可靠的不确定性量化,推动了机器学习系统的实际部署。
Jul, 2024
通过将 OOD 分为内部和外部两种情况,本研究研究了数据集的内部和外部 OOD 配置文件对机器学习模型性能的影响,并强调区分这两种情况对于开发有效的抵制 OOD 方法的重要性。
Jul, 2024
这篇论文关注于为印度城市创建一个智能监控系统,该系统可以实时识别和分析人们的属性。通过使用人工智能和机器学习等先进技术,该系统可以识别上半身颜色、穿着、配饰以及头饰等属性,并通过城市周围安装的摄像头来分析人们的行为。
Jul, 2024
从绿色人工智能的角度出发,我们建议使用机器学习的小规模集合(2 个或最多 3 个模型),利用基于子集的训练、多数投票和能源高效的 ML 算法(如决策树、朴素贝叶斯或 KNN)来设计更加高效的机器学习模型组合。
Jul, 2024
TxGraffiti 是一种基于机器学习和启发式方法的人工智能,旨在自动完成数学猜想的任务,并生成许多令人惊讶的猜想,已发表在权威的数学期刊上。本文概述了 TxGraffiti 所实施的机器学习和启发式技术,并宣布了一个新的在线版本,供对图论中的猜想感兴趣的人探索使用。
Jul, 2024
我们应用机器学习技术解决急性感染和败血症快速准确诊断和预后的医学需求,通过测量患者血液中 29 种信使 RNA 的丰度作为机器学习的特征,并通过分类器将这些特征转化成直观的检测报告,包括细菌感染、病毒感染和病情严重程度的区分。在内部验证中,该系统在三种疾病诊断(细菌感染、病毒感染或未感染)上实现了 0.83 的 AUROC 值,在疾病严重程度的二元预测上实现了 0.77 的 AUROC 值。该系统已经获得了美国食品药品监督管理局(FDA)的突破性设备认定,本工程手稿介绍了用于将学术研究概念转化为临床产品的标准和新颖机器学习方法,并讨论了相关经验教训。
Jul, 2024
提出了两种方法来保护文本数据中的个人可识别信息(PII)的隐私性,一种是使用机器学习改进结构化输入性能的基于特征的方法,另一种是考虑原始文本和泛化候选项之间的上下文和语义关系的新颖上下文感知框架。实验证明,上下文感知方法在不同尺度上优于基于特征的方法,通过突出特征选择、集成学习和融入上下文信息等方面推进了 PII 泛化技术的发展,从而更好地保护文本匿名化中的隐私保护。
Jul, 2024
本研究探讨了参数转换为实际机器可用变量对大规模问题中寻找最佳参数组合的关键性,以及借助机器学习(如具有退火功能的因式分解机)将参数转换为二进制变量来解决二次无约束二进制优化问题。通过旅行商问题的实例,我们提出并评估了灰度标记方法,该方法将二进制标记中的海明距离与旅行距离相关联。通过对最多 15 个城市的旅行商问题进行数值模拟,并限制迭代次数,与自然标记相比,灰度标记显示出更低的局部最小解百分比和更短的旅行距离。
Jul, 2024