- 随机和确定模型中的渐变估计和方差减少
在当今时代,计算机、计算和数据在科学研究和发现中的重要性不断增加。本论文主要关注梯度本身,解决非线性优化问题,并介绍了逆向微分的概念和应用,以及分段连续模型的使用案例。
- CVPR基于语言嵌入特征场的物性理解
计算机通过视觉能否感知物体的物理属性?我们提出了一种利用图像集合对物体的物理属性进行密集预测的新方法,通过借鉴人类如何通过视觉进行物理推理的方式,利用大型语言模型为每个物体提出候选材料,然后构建一个嵌入语言的点云,并利用零样本核回归方法估计 - 关于人类和人工创造力的随机性
人类创造力、计算机、人工通用智能、统计表示、当代人工智能系统的研究
- 各种网络攻击检测的当前最先进机器学习方法的性能调查:综述
分析了过去 10 年来现有的最新机器学习模型及其对不同类型网络攻击的检测,以找出仍需进一步研究的领域。
- AutoNumerics-Zero 自动发现最新数学函数
用一种简单的进化算法,该研究展示了在计算机有限精度运算的情况下,能够发现优化过的高精度近似解,而无需了解数学知识。这种方法不仅适用于指数函数,还能扩展到其他超越函数,提供了降低科学计算应用成本的潜力。
- 人类情感的不确定度测量
这项研究探讨了计算机评估人类表达的情绪并利用该数据执行不同任务的能力,以及计算机生成情绪分类信息以帮助用户做出决策或执行任务的能力。实验结果表明,显示更多的不确定信息可以帮助用户在做出决策时更有信心。
- 计算机讲故事和情感:一项调查
我们的文章主要调查了人类与情感之间的关系,包括娱乐、广告和教育等多种方面,并介绍了专业讲故事者所使用的创作技巧,旨在进一步促进计算故事研究与人类创造性写作之间的新交叉领域。
- CVPR自适应尺度神经密集特征:通过层级上下文聚合学习
本研究提出了 SAND 特征,一种专门针对特征提取的深度学习解决方案,能够提供分层上下文信息。该方法在视觉问题的许多方面具有广泛应用,并在不需要额外训练的情况下实现了更好或可比较的结果。
- 计算机能否创造艺术?
本文讨论了计算机使用人工智能是否能够创作艺术,包括描绘了其自动化艺术的历史、现实和未来的发展前景,并推测了人工智能是否有可能被认为是艺术作品的创作者。
- 利用语音映射的方式设计的印地语输入方案
通过音标映射方案将印地语输入计算机可以解决人们不使用英语造成的障碍,我们的系统在印地语输入方案中显示了显著的成功。