利用人工智能和机器学习生成的假设(使用 TxGraffiti)
本文提出了一种利用机器智能在数学数据中找到抽象模式生成数学不等式的猜想的系统方法,以 < f<g 类型的严格不等式为重点研究对象,并将它们与一个向量空间相关联,并在这个称为猜想空间的空间中执行几何渐进式下降算法,生成了有关素数计数函数和非阿贝尔简单群的 Cayley 图直径的新猜想,并突显了该空间中数学发现的重要性和领域专业知识的必要性。
Jun, 2023
通过使用深度学习和程序合成技术将手绘图转化为 LaTeX 计算机图形程序的模型,包括提议可行的绘制基元的卷积神经网络和使用程序综合技术从跟踪中恢复计算机图形程序的模型。
Jul, 2017
从文本生成位图图形已经引起了相当大的关注,然而对于科学图形来说,通常更喜欢矢量图形。为了解决这个问题,我们提出了使用 TikZ 作为科学图形的中间表示,TikZ 是一种可以编译成矢量图形的广为人知的抽象图形语言。我们引入了 DaTikZ,这是一个由 120k 个 TikZ 图形与标题对齐组成的大规模数据集。我们在 DaTikZ 上微调了 LLaMA,以及我们的新模型 CLiMA,并通过多模态的 CLIP 嵌入来增强 LLaMA。在人工和自动评估中,CLiMA 和 LLaMA 在与人类创建的图形的相似性方面优于商业的 GPT-4 和 Claude 2,而 CLiMA 还改进了文本与图像的对齐。我们对各个模型进行了详细的分析,结果显示所有模型都具有良好的泛化性,不易受记忆化的影响。然而,GPT-4 和 Claude 2 生成的图形往往比人类和我们的模型更简单。我们将我们的框架 AutomaTikZ 以及模型权重和数据集公开提供。
Sep, 2023
本研究提出了一种基于深度生成对抗网络的自动书法生成模型,能够生成具有专业水准的风格书法字体。该模型使用高精度书法合成方法构建数据集,邀请专业书法家进行图灵测试以评估模型生成结果与人类艺术水平之间的差距,实验结果表明该模型是目前书法生成方法中的最佳效果。
Dec, 2023
本研究旨在探索大型语言模型在图形绘制算法中的应用,并通过 ChatGPT 进行实验,以提升图像可读性和使数据可视化更加易用。通过自然语言进行指定规范,对更广泛的用户提供更加可访问和友好的操作。同时,也更好地了解了如何为 LLMs 制定复杂算法的能力,并提供了平衡的评估机会和挑战。
Mar, 2023
本文提出了一种图形建模语言,用于对自动化系统中的人工智能应用程序进行一致和可理解的建模,从而将个别子领域细分为特定于领域的子系统,从而降低了存在的维护和整合工作量。
Jun, 2023
使用改进的 DCGAN 架构和强化学习技术,本文提出一种智能系统,旨在学习实体的手写字体,可以用于鉴别伪造文件、签名验证、计算机生成艺术和文件数字化等领域。初步实现结果表明,该算法在 MNIST 数据集上表现优异。
Nov, 2016
本文介绍了一种名为 GLTR 的工具,它基于基线统计方法来检测文本生成系统中的伪造文本,旨在帮助人类区分真实和伪造文本。研究表明,使用该工具可以将人类发现伪造文本的率从 54% 提升至 72%。
Jun, 2019
该研究利用生成式人工智能、数学代理、数学嵌入等方法解决信息系统生物学领域的老化问题,并应用多尺度物理数学和基因组数据来分析疾病模型和基因组数据,以探索未解决的阿尔茨海默病问题。
Jul, 2023