آموزش کاربردی

پژوهشگران دریافتند که افزایش تعداد چهره‌ها در هر تصویر به‌طور مداوم عملکرد مدل‌های یادگیری ماشین را کاهش می‌دهد؛ به‌طوری که نرخ خطا در صحنه‌های شلوغ تا ۴.۶ برابر بیشتر است. این…

پژوهشگران چارچوب یادگیری عمیق جدیدی به نام GTCN-G معرفی کرده‌اند که با ادغام شبکه‌های عصبی زمانی و مبتنی بر گراف، سیستم‌های شناسایی نفوذ را ارتقا می‌دهد. این مدل به‌طور ویژه مشکل…

یک مقاله تحقیقاتی جدید چارچوبی ساختاریافته برای توسعه دیتاست‌های ایمن متناسب با استانداردهای ISO/PAS 8800 در حوزه رانندگی خودکار معرفی کرده است. این چارچوب کل چرخه عمر داده‌ها—از…

پژوهشگران روش 'StsPatient' را معرفی کرده‌اند؛ سیستمی برای شبیه‌سازی دقیق بیماران استاندارد با اختلال شناختی. این روش از مدولاسیون تصادفی توکن و بردارهای هدایت برای کنترل دقیق شدت…

پژوهشگران روشی نوین مبتنی بر گراف معرفی کرده‌اند که با حفظ زنجیره استدلال برای هر مدرک، سیستم‌های بازیابی-افزوده را قادر به بهبود خودکار می‌کند. این رویکرد بدون نیاز به بازآموزش…

پژوهشگران SIR-Bench را توسعه داده‌اند؛ معیاری جامع متشکل از ۷۹۴ مورد آزمون برای سنجش توانایی عوامل خودکار پاسخگو به رخدادهای امنیتی در انجام تحقیقات واقعی فارنزیک. این معیار از…

پژوهشگران مؤسسه فناوری بمبئی چارچوبی به نام RePAIR توسعه داده‌اند که به کاربران امکان می‌دهد بدون نیاز به مداخله ارائه‌دهندگان سرویس، دانش ناخواسته را از مدل‌های زبانی بزرگ حذف…

تیمی از پژوهشگران پلتفرم «پی‌ای‌ال» را توسعه داده‌اند که ویدیوهای سخنرانی را به تجربه‌های یادگیری تعاملی تبدیل می‌کند. این سیستم با تحلیل لحظه‌ای محتوا، سؤالات را بر اساس پاسخ‌های…

پژوهشگران روشی توسعه داده‌اند که با اعمال جریمه‌های ژاکوبین و لیپشیتس بر شبکه‌های عصبی، خروجی‌های هموارتری تولید می‌کند. این رویکرد، شکاف پیچیدگی عملکردی بین مدل‌های یادگیری عمیق…

محققان «الگوریتم خنده» را معرفی کردند؛ چارچوبی چندعامله که کامنت‌های طنز مناسب را برای ویدیوهای کوتاه تولید می‌کند و با نرخ ترجیح انسانی ۸۰ تا ۸۴ درصد از روش‌های پایه پیشی گرفته…

تحقیقی جدید نشان می‌دهد مدل‌های زبانی بزرگ در شبیه‌سازی واکنش‌های عاطفی شهروندان نسبت به بروکراسی عملکرد ضعیفی دارند. این ناکارآمدی به‌ویژه در مورد فرهنگ‌های شرقی بیشتر مشاهده…