محققان در یک پژوهش جدید، از ترکیب «هوش مصنوعی» و «دانش تخصصی مهندسی» برای حل یک چالش بزرگ استفاده کرده‌اند. شناسایی دلایل نامرئی تخریب…

مدل‌سازی وابستگی‌های پیچیده در داده‌های سری زمانی، همیشه یکی از چالش‌های بزرگ در یادگیری ماشین بوده است. مدل‌های مبتنی بر توجه (Attention) معمولاً با…

تحقیقات جدید arXiv نشان می‌دهد که تکیه صرف به الگوهای Attention در ترنسفورمرها ممکن است گمراه‌کننده باشد! محققان دریافتند که مدل‌ها گاهی به حقایق…

دانشمندان در مقاله‌ای جدید به سراغ بررسی عمیق روش‌های SBI رفته‌اند. این روش‌ها که در حوزه‌های مهندسی و علوم پایه بسیار حیاتی هستند، به…

مدل‌های ترنسفورمر (مثل همین ChatGPT خودمان!) برای اجرا به جابه‌جایی عظیم داده‌ها بین حافظه و پردازنده نیاز دارند که باعث کندی و اتلاف انرژی…

محققان در مقاله جدیدی روشی خلاقانه ابداع کرده‌اند که در آن با استفاده از تکنیک‌های کلاسیک فشرده‌سازی داده (مثل Gzip)، لایه‌های توجه در مدل‌های…

محققان در یک پژوهش جدید، رویکردی نوآورانه برای بهبود مدل‌های «پیش‌بینی-سپس-بهینه‌سازی» (Predict-then-Optimize) ارائه داده‌اند. در دنیای واقعی، داده‌های ورودی اغلب نویز دارند یا دستخوش…

مدل‌های یادگیری ماشین حالا در حوزه‌های حساسی مثل «پزشکی» و «قضاوت‌های حقوقی» نقش پررنگی دارند، اما سنجش اینکه این مدل‌ها در دنیای واقعی چه…

محققان در مطالعه اخیر خود، درک عمیق‌تری از رفتار هسته‌های RBF گاوسی ارائه داده‌اند. این پژوهش نشان می‌دهد که در پهنای باند بزرگ، فضای…

آیا هوش مصنوعی می‌تواند گره‌های کور ترافیکی را باز کند؟ محققان در یک مقاله جدید، رابط کنترلی مبتنی بر «شبکه‌های عصبی گراف» (Graph Neural…