Avec les progrès continus de la technologie d’acquisition de données, il est devenu très facile d’obtenir de grandes quantités de données de haute dimension contenant diverses caractéristiques, comme les images et les données visuelles. Cependant, les méthodes traditionnelles d’apprentissage automatique, en particulier celles basées sur les vecteur...

Un cadre de diagnostic des pannes de réseau électrique basé sur la décomposition intégrée adaptative et la fusion d’attention cross-modale Contexte de la recherche Avec l’expansion et la complexification continue des systèmes électriques modernes, l’exploitation stable du réseau électrique fait face à des défis de plus en plus sévères. Les pannes d...

Contrôle rapide de la synchronisation sous perturbations aléatoires intermittentes des réseaux neuronaux couplés et application pour le chiffrement-déchiffrement I. Contexte et motivation de la recherche Ces dernières années, les réseaux neuronaux ont été largement utilisés dans divers domaines, y compris la classification des données, la reconnais...

Application du contrôle artificiel-actual adaptatif dans des jeux non-zéro somme de systèmes contraints Contexte Dans les domaines industriels et de recherche modernes, le développement rapide des technologies intelligentes et des systèmes de contrôle rend les méthodes de contrôle traditionnelles insuffisantes pour garantir la stabilité des système...

DeepDTI：Utilisation de l’apprentissage en profondeur pour obtenir une imagerie par tenseur de diffusion à six directions de haute fidélité Contexte de la recherche et motivation L’imagerie par résonance magnétique par tenseur de diffusion (Diffusion Tensor Imaging, DTI) présente des avantages inégalés pour la cartographie des microstructures tissul...

Pré-entraînement auto-supervisé géométriquement renforcé pour les interactions interatomiques Introduction La dynamique moléculaire (DM) joue un rôle important dans les domaines de la physique, la chimie, la biologie et la science des matériaux, en fournissant des informations au niveau atomique. La précision et l’efficacité des simulations DM dépe...

Une percée majeure dans la recherche en neurosciences : la technologie de l’apprentissage profond permet de décoder la parole naturelle à partir de signaux cérébraux Une équipe de recherche interdisciplinaire de l’Université de New York a récemment réalisé une percée majeure dans les domaines des neurosciences et de l’intelligence artificielle. Ils...

Cette recherche propose une méthode d’apprentissage en ligne pour construire efficacement des modèles de substitution capables de simuler avec précision des systèmes complexes. Cette méthode comprend principalement trois composantes clés : Une stratégie d’échantillonnage pour générer de nouvelles données d’entraînement et de test ; Une stratégie d’...

Aujourd’hui, les grands modèles de langage (LLM) démontrent des performances de niveau expert dans de multiples domaines, suscitant un vif intérêt pour comprendre leurs processus de raisonnement internes. Comprendre comment les LLM produisent ces résultats étonnants est crucial pour le développement futur des agents d’intelligence artificielle et p...

Introduction : Actuellement, les modèles de langue pré-entraînés (PLM) sont largement utilisés dans le domaine du traitement du langage naturel, mais ils ont le problème d’hériter et d’amplifier les préjugés sociaux présents dans les données d’entraînement. Les préjugés sociaux peuvent entraîner des risques imprévisibles lors de l’application réell...