Xiang Li
PulseAugur coverage of Xiang Li — every cluster mentioning Xiang Li across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新框架支持复杂AI算法的在线统计推断
研究人员开发了一种新颖的在线统计推断框架，用于利用马尔可夫数据的非线性随机逼近算法。该框架为部分和路径建立了函数中心极限定理，无需估计渐近方差即可创建自归一化置信区间。所提出的方法采用五维多项式级数归一化器，展示了接近标称的覆盖率，并与在线bootstrap方法相比降低了计算成本。其应用包括Q学习、具有马尔可夫数据的广义线性模型以及低秩自适应（LoRA）的推断。
-
新的神经网络求解器解决旅行商问题
两篇新的研究论文探讨了解决旅行商问题（TSP）的高级神经网络方法。第一篇论文介绍了 GNNAS-TSP，一个基于图神经网络（GNN）的框架，它直接从图数据中学习 TSP 实例表示，以从算法组合中选择最合适的算法。第二篇论文提出了 GeoRouteNet，一个注重几何的非自回归神经网络求解器，它通过显式的几何特征和一个新颖的多候选自比较强化学习训练方法来增强其模型，以提高在不同图大小和空间分布上的性能。
-
音频深度伪造检测面临语音转换和真实世界损坏的新挑战
两篇最新的arXiv论文探讨了音频深度伪造检测的挑战，特别是在音频经过保留内容但改变质量的转换时。第一篇论文提出，当前将所有处理过的音频视为欺骗的检测方法是不够的。它提出了一种更细致的方法，区分源真实性和处理状态，并指出检测器可以识别处理过的音频，但难以区分处理过的真实语音和欺骗语音。第二篇论文评估了现有音频深度伪造检测模型在噪声、修改和压缩等真实世界损坏下的鲁棒性。研究发现，虽然模型对噪声普遍具有鲁棒性，但在音频修改和压缩方面表现不…
-
新的GAT-MLP模型改进了最大团问题求解器的选择
研究人员开发了一个新颖的框架，以改进最大团问题（MCP）的算法选择，这是一个NP难的计算挑战。所提出的系统集成了传统机器学习技术和图神经网络，特别是名为GAT-MLP的双通道模型。该模型使用图注意力网络分析局部图结构，并使用多层感知机分析全局特征。实验表明，GAT-MLP的性能显著优于现有方法，在为不同图实例选择最佳求解器方面达到了90.43%的准确率。