machine learning approaches | BriefGPT

关键词machine learning approaches

搜索结果 - 31

具有虚拟受体的分子扩散模型
通过扩展扩散方法，引入虚拟受体和蛋白质嵌入技术，实现了结构为基础的药物设计中的机器学习方法，提高了性能并显著加快了计算速度。
PDF8 days ago
TSynD：针对增强医学影像分类的目标合成数据生成
通过生成模型使用医学影像数据进行有针对性的合成训练数据生成，以提高图像分类的准确性和鲁棒性。
PDF9 days ago
探索在天文学科学出版物中使用 ChatGPT 的应用
通过对 ChatGPT 用于学术写作时所使用的词进行提取，以及在 100 万篇天文学文章中搜索这些词，研究评估了这些模型在天文学论文写作中的广泛应用，并提出建议，鼓励组织、出版商和研究人员共同制定伦理和实用指南，以最大程度地发挥这些系统的优
PDF9 days ago
AAAI水下波动鳍推进系统的数据驱动方法研究
通过机器学习方法，基于鳍状物的几何形状和运动学参数，实现了鳍式水下机器人推力的预测，从而加快了系统的开发速度并提供了准确的数据替代模型。
PDFa month ago
Dominion: 人工智能研究的新领域
近年来，机器学习方法在围棋、雅达利和扑克变体等游戏中取得了超越人类的表现。本研究探讨了桌面游戏 Dominion 的特性，并讨论了它作为下一代强化学习算法基准的适用性。同时，我们介绍了 Dominion Online 数据集，包含由经验丰富
PDF2 months ago
BenthicNet: 为深度学习应用的全球海底图像编制
通过海底成像技术的发展，建立了全球的海底影像数据库 BenthicNet，以用于支持大规模图像识别模型的培训和评估，初步结果表明它有助于自动化大规模和小规模的图像分析任务。
PDF2 months ago
宇宙常数存在时的经典可积性：分析和机器学习结果
通过降维，我们研究了由某些四维引力理论的降维而来的二维理论的可积性，重点研究了描述最大韦尔斯场和中性标量场与引力在中性标量场势存在的情况下的耦合的四维引力理论的解决子空间，并通过构造 Lax 对矩阵从一维角度研究了选择的四维解决子空间的二维
PDF2 months ago
基于数据的时间序列分析的回顾：从样本、特征和周期出发
系统地审视了时间序列分析中不同的以数据为核心的方法，包括广泛的研究主题，并基于样本、特征和周期的时间序列数据特征，提出了一个分类方法。除了讨论和总结了它们的特点、优势和局限性，还提出了关于时间序列数据的挑战和机遇，并提出了建议、开放问题和可
PDF2 months ago
大型语言模型能否学习超材料的物理学？ChatGPT 的实证研究
在大规模语言模型（LLMs）的研究中，通过对上万份数据进行微调，我们成功构建了一种可以根据元表面几何仅仅通过文本提示就能预测一系列频率范围内的电磁光谱的 LLM 模型。与传统的机器学习方法相比，该模型在所有探索过的数据集大小上均实现了更低的
PDF2 months ago
ACL上下文中基于对话的时态表达规范化的学习
使用大型语言模型和上下文学习，通过样本选择策略实现时间表达归一化，取得了与此任务相关模型相媲美的竞争性结果，并在非标准设置中通过动态包含相关示例在推断过程中实现大幅度的性能改进。
PDF3 months ago
G4 - 注意力：用于预测 DNA G - 四链体的深度学习模型
提出了一种新颖的卷积神经网络与 Bi-LSTM 和注意力层相结合的模型 G4-attention，以提高 G4 形成序列的预测准确性，同时在高度类别不平衡的数据集中准确地预测了 G4 区域，该模型不仅可以用于人类基因组数据集，还可以应用于任
PDF4 months ago
多行星系中的外行星预测与利用人工智能确定行星与主星参数之间的相关性
通过 Titius-Bode 关系，在 229 个至少有三个或更多被确认存在行星的多行星系统中，发现了大约 53% 的系统中的行星比太阳系的行星更好地遵循对数间距关系。通过机器学习方法分析 762 个被确认存在的系外行星和八个太阳系行星的数
PDF4 months ago
可解释的数据驱动建模通过专家混合：朝着有效融合灰箱和黑箱模型
我们提出了一种基于 “专家混合” 的综合框架，以解决传统模型和机器学习方法在处理复杂系统时的准确性和解释性之间的平衡问题。通过数据驱动的融合多样化的本地模型，充分利用基于原则的先验知识，我们的解决方案支持专家的独立训练，并结合了机器学习和系
PDF5 months ago
一种基于零验证去噪器的 l1 插接播放方法在 3D 开放 MPI 数据集上的磁性粒子成像
基于磁性粒子成像的研究论文，提出了一种基于通用零样本去噪器和 l1 先验的即插即用方法，并开发了参数选择策略，最后在具有不同预处理级别的 3D Open MPI 数据集上进行了定量和定性评估。
PDF6 months ago
无注释自动音乐转录：基于可扩展合成数据和对抗领域混淆技术
提出了一种无需注释数据的音乐自动转录模型，通过利用可扩展的合成音频进行预训练和对抗性域混淆，实现了比使用混合注释真实音频数据学习时更高的准确性，在 AMT 研究领域中，揭示了这种方法的可扩展性和面临的挑战。
PDF7 months ago
神经谱方法：频域自监督学习
我们提出了神经谱方法，一种在经典谱方法基础上解决参数化偏微分方程的技术。我们的方法使用正交基来学习 PDE 解作为谱系数之间的映射，通过谱损失实现更高效的神经网络微分和显著降低训练复杂度，在多个不同问题上，我们的方法在速度和准确性方面显著优
PDF7 months ago
Haldane 集束：学习预测环绕圆环上线束的陈数的数据集
用于预测与材料系统相关的特征类的机器学习方法的开发，引入了 Haldane 捆绑数据集，该数据集由在 2 维环面上合成生成的复线捆绑组成，旨在成为结合丰富的拓扑和几何先验的架构的测试基地。
PDF7 months ago
基于自监督图卷积网络应用于细胞图的组织脑图像中揭示皮层层次
我们介绍了一种自我监督的方法，用于检测大脑皮层的 2D 尼氏染色的组织切片中的层次结构，该方法可以加速细胞构造分析，避免注释需求并推进跨物种研究。
PDF7 months ago
旨在智能驾驶领域中对轻度认知障碍老年驾驶员进行的车内感知和数据分析
设计了低成本的车内传感硬件，能够获取高精度的定位和遥测数据，识别了早期认知变化的重要指标，并且通过机器学习方法在真实的日常驾驶条件下检测认知障碍的早期预警信号。统计分析表明，患有轻度认知障碍的驾驶员表现出更平稳和更安全的驾驶模式，且夜间行程
PDF8 months ago
末端交付中的包裹丢失预测：深度与非深度方法，结合可解释人工智能的见解
在电子商务零售领域，减少最后一公里配送阶段的包裹丢失是一个重要目标。本文提出了两种机器学习方法，即数据平衡与监督学习（DBSL）和深度混合集成学习（DHEL），以准确预测包裹丢失。我们使用比利时货运的一年数据对所提出的机器学习模型进行了全面
PDF8 months ago