PulseAugur
中
实时 06:37:37
实体 artificial neural network

artificial neural network

PulseAugur coverage of artificial neural network — every cluster mentioning artificial neural network across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
71
90 天内 290
发布 · 30天
0
90 天内 0
论文 · 30天
64
90 天内 253
层级分布 · 90 天
主题
关系
情绪 · 30 天

21 天有情绪数据

最近 · 第 1/10 页 · 共 200 条
  1. TOOL · CL_368328 ·

    新型验证器模型增强了神经网络中对抗性攻击的检测能力

    研究人员开发了一种新颖的方法,通过训练一个独立的验证器模型来检测人工智能神经网络上的对抗性攻击。该验证器学会识别区分合法输入和对抗性输入的神经网络中的模式或“激活签名”。通过利用这些签名在训练过程中生成具有挑战性的对抗性示例,验证器提高了检测攻击的能力,即使是它以前未见过的攻击,同时知识蒸馏有助于在干净数据上保持性能。该方法在针对 L-infinity 攻击的现有检测器方面表现出显著的改进,尽管其在 L2 攻击等不同扰动类型上的鲁棒性…

  2. TOOL · CL_368022 ·

    新的CACO框架将生成检索召回率提升24%

    研究人员开发了CACO,一个旨在增强连续生成检索系统的新型自监督后训练框架。该框架优化查询协同以提高项目覆盖率和召回率,而不会显著增加推理延迟。CACO通过协调现有流匹配和扩散模型的查询来实现这一点,使用经验检索频率作为相关性的代理来创建无标签的覆盖目标。实验表明,CACO在各种基准测试中可将召回率提高高达23.9%,并将查询间重叠减少超过50%。

  3. TOOL · CL_366287 ·

    AI 提升车辆横向速度估计的可迁移性

    研究人员开发了一种通过数据驱动的方法来提高车辆横向速度估计的可迁移性。通过仔细选择量产车辆传感器中的输入信号并应用物理启发的數據增強,他们在将一个车辆上训练的神经网络迁移到不同类型的车辆时,显著减少了估计误差。这种方法有望提高安全关键型车辆动力学控制系统的准确性。

  4. TOOL · CL_366215 ·

    LLM GPT-6 Astra 审计临床模型,发现 96% 的植入缺陷

    arXiv 上发表的一项新研究详细介绍了如何使用大型语言模型 GPT-6 Astra 来审计黑盒临床预测模型。研究人员训练了四种类型的模型,并故意在 24 个副本中引入缺陷,然后让 GPT-6 Astra 仅通过查询来尝试识别它们。该 LLM 在 96% 的运行中成功发现了缺陷,展示了其审计复杂模型的能力,尽管其关于其他问题的报告需要与模型及其数据进行进一步验证。

  5. TOOL · CL_366206 ·

    神经网络学习历史在最终权重中留下可解码的痕迹

    研究人员发现,神经网络的学习轨迹在其最终的权重结构和内部表示中留下了可辨认的痕迹。虽然在同一任务上训练的网络会收敛到相关的解决方案,但它们的个体学习历史,包括初始权重和任务顺序,仍然可以从它们的最终状态中部分解码。这表明神经网络保留了选择性的历史信息,而不是训练路径的完整记录,这表明不同的解决方案可以共存而不会抹去个体学习经验。

  6. RESEARCH · CL_366189 ·

    新方法可视化神经网络决策边界几何结构

    研究人员开发了一种新方法,可以直接在 АНН(人工神经网络)的高维输入空间中可视化和测量其决策边界的几何结构。该方法避免了传统基于投影技术的失真,并分析了不同输入、架构和训练方法下的边界曲率和距离。研究结果表明,随着子空间大小的增加,边界距离平滑增长且曲率一致,这表明在大型、连续的子空间中,边界接近输入样本。值得注意的是,训练方法对边界距离和曲率的影响比网络架构或测试集准确率更大,这为了提高网络的可解释性提供了见解。

  7. TOOL · CL_364135 ·

    新的Popcornn框架利用MLIPs简化化学过渡态搜索

    研究人员开发了一个名为Popcornn的新框架,旨在利用机器学习势(MLIPs)更有效地定位化学反应中的过渡态。该方法优化了连续神经网络路径,无需使用密度泛函理论中常见的离散化表示。Popcornn旨在减少伪影和对超参数的敏感性,从而能够对各种有机反应进行更鲁棒和自动化的高通量过渡态搜索。

  8. TOOL · CL_360193 ·

    混合量子-经典模型在能量回归中显示样本效率

    研究人员开发了用于高能物理能量重建的混合量子-经典模型,特别是针对模拟量热器喷流。这些模型,包括一个QLSTM架构,与传统方法相比,显示出更高的样本效率。通过利用纵向喷流序列作为数据表示,QLSTM在有限的训练数据下实现了最低的重建误差,并且性能显著优于经典的LSTM。

  9. TOOL · CL_360135 ·

    新研究提出受星形胶质细胞启发的算法以增强机器学习

    一篇新研究论文提出了一种受星形胶质细胞启发的生物计算方法。星形胶质细胞是一类不发射电信号但对学习和记忆等认知功能起着至关重要作用的脑细胞。该论文介绍了基于星形胶质细胞同时调节数千个突触的能力及其非电信号通信的算法,这可能带来更快的训练速度、提高对噪声的鲁棒性以及防止机器学习模型中的灾难性遗忘。据报道,这些源自星形胶质细胞的算法优于传统的以神经元为中心的算法,并解决了当前机器学习模型中的关键弱点。

  10. TOOL · CL_357799 ·

    新的香农可观测量框架有助于神经网络中的信息分解

    研究人员引入了一个名为“香农可观测量”的新框架,以更好地理解包括生物和人工神经网络在内的复杂系统如何处理信息。该方法使用香农熵来创建可扩展的度量,可以分析高阶信息处理,克服了现有多元度量的局限性。该框架已证明在分析纠错码、分类器和自编码器等深度学习模型,甚至脑磁图记录的人类大脑活动方面具有通用性,揭示了不同的信息传输模式。

  11. TOOL · CL_356620 ·

    新架构实现复杂控制系统的实时神经模仿

    研究人员开发了一种新的数据高效、实时神经模仿非线性时间最优模型预测控制(TOMPC)的架构。该方法解决了TOMPC的计算挑战,而TOMPC通常禁止其在快速动力学系统中使用。提出的系统包括一种自我告知的采样策略,该策略可高效查询专家数据,以及一个完整的架构来处理数据集相关性和约束满足等问题。在Furuta摆上验证,控制器将控制频率从1.4Hz显著提高到1kHz,并密切匹配了专家TOMPC的性能。

  12. RESEARCH · CL_357705 ·

    新的GLOBAFED框架增强了联邦优化中隐私保护的知识迁移

    研究人员推出了一种名为GLOBAFED的新框架,旨在改进联邦贝叶斯优化(FedBO)中的知识迁移。该方法解决了现有FedBO方法在实际场景中常常无法满足的、需要相似目标函数或共享超参数的局限性。GLOBAFED利用具有共享骨干网络和特定代理头(agent-specific heads)的概率神经网络,通过联邦学习实现特征表示的协作学习,同时保护隐私。实证结果表明,GLOBAFED比当前的FedBO基线模型能加速收敛并取得更优的性能。

  13. TOOL · CL_350896 ·

    Usul C++ 库使用数学符号简化神经网络创建

    一个名为 Usul 的新 C++ 库已被开发出来,它允许用户使用数学符号来表达模型,从而简化神经网络的创建。该库处理底层复杂性,包括张量支持、自动微分和反向传播,旨在使神经网络开发更加易于访问。创建者开发 Usul 是为了克服在传统数学密集型学习中遇到的个人困难,并减少对大型库和 LLM 进行编码的依赖。

  14. RESEARCH · CL_352064 ·

    语言模型现在可以通过编辑权重来“训练”神经网络,性能优于梯度下降

    研究人员探索了“权重空间编程”,这是一种语言模型可以直接编辑已训练神经网络权重的方法,从而通过推理而非梯度下降来实现“训练”。该技术在调试甚至从头开始为脑电图和心电图等生物信号数据生成网络方面显示出潜力。在实验中,一个语言模型在受试者数量减少六倍的情况下达到了梯度下降训练的水平,并且在使用 Claude Opus 5.5 编写网络权重时,其性能优于传统的脑电图处理流程。然而,局限性包括无法改进已训练良好的模型,以及仅凭权重难以识别网络的任务。

  15. TOOL · CL_348753 ·

    研究发现人脑视觉表征中存在共享的几何结构

    研究人员证明,在人脑对视觉刺激的表征中存在一种共享的几何结构。通过分析来自自然场景数据集的功能磁共振成像(fMRI)数据,他们开发了一种自监督编码器,用于从大脑活动中学习特定于个体的嵌入。这些独立学习到的空间通过无监督正交旋转成功地在个体之间进行了转换,而无需配对的跨主体样本或中间模型表征。这表明人脑可能像人工神经网络一样,利用一个通用的坐标系统来处理视觉信息。

  16. TOOL · CL_347213 ·

    研究人员提出扩散模型可能生成神经网络权重

    一位研究人员正在探索一种新颖的概念,即使用通常用于图像生成的扩散模型来创建神经网络权重。该想法是通过自然语言描述所需网络功能来提示模型,例如引导一支笔绘画或为Pong游戏创建AI。一个名为nngen的概念验证实现已在GitHub上开发并发布,初步结果显示出一些希望,尽管训练仍在进行中。

  17. RESEARCH · CL_348761 ·

    新的脉冲神经网络架构提升学习效率

    研究人员正在探索脉冲神经网络(SNNs)的新架构,以提高其效率和能力。一种方法引入了模仿生物模块化和循环结构的社区循环SNNs(CoRe SNNs),该方法在强化学习任务中显示出与前馈方法相媲美甚至超越的潜力。另一项开发提出了一种受神经活动同步启发的局部学习框架,该框架绕过了计算成本高昂的随时间反向传播,从而在图像分类等任务上实现更快、更节能的训练。此外,还提出了一个受肌肉启发的模型,用于将SNN脉冲序列转换为连续信号,并在语音合成等…

  18. TOOL · CL_342784 ·

    使用 LoRA 在家庭硬件上增强的个人 AI 助手

    本文详细介绍了使用 LoRA(低秩适应)在家庭硬件上增强大型语言模型(LLM)的个人项目。作者描述了创建个人助手的过程,重点关注其通过记忆、自我表达和自我改进而不断演变的“个性”。增强后的模型在推理和指令遵循能力方面有所提高,自主性增强,并能够适应诸如语音模式集成等新任务。该项目还探讨了模型身份和自我意识的哲学含义,将其与禅宗哲学以及作为信息模型的稳定个人身份的概念进行类比。

  19. TOOL · CL_342353 ·

    深度学习模型可检测伪造的孟加拉新闻照片卡

    研究人员开发了一种深度学习模型,用于检测孟加拉语中伪造的新闻照片卡,这是一种常见的本地化错误信息格式。该研究创建了一个包含真实和伪造照片卡的数据库,发现全连接人工神经网络由于空间线索丢失而难以奏效。紧凑型卷积神经网络(CNN)的准确率超过87%,而经过微调的YOLOv8n-cls骨干网络准确率接近97.4%,证明了深度学习在此视觉取证任务中的有效性。

  20. RESEARCH · CL_342261 ·

    新研究统一了神经网络稳定性动力学的模型 · 跟踪到2个来源

    两篇新的arXiv论文探讨了神经网络在稳定性边缘的复杂动力学。第一篇论文《Symmetry Breaking at the Edge of Stability via Central Flow Analysis》,作者为Naima Elosegui Borras和Marcotte等人,研究了连续对称性及其守恒量如何受到该临界点梯度流的影响,并引入了一个引起漂移的曲率修正。第二篇论文《Unifying Central Flow, Rod…