arXiv:2511.12955v1 Тип: новая публикация Аннотация: Классификация многомерных временных рядов все чаще исследуется в физике космической погоды как средство прогнозирования мощных солнечных вспышек, способных вызывать масштабные сбои в работе современных технологических систем. Измерения магнитного п...
Лента материалов из области искусственного интеллекта (AI)
Материалов: 78571
arXiv:2511.13133v1 Тип объявления: новый Аннотация: Многозадачное обучение с подкреплением (MTRL) ставит целью изучение унифицированной политики для разнородных задач, но часто страдает от конфликтов градиентов между задачами. Существующие методы на основе маскирования пытаются смягчить такие конфли...
arXiv:2511.13018v1 Тип: новая статья Аннотация: R-Learner — это мощный, теоретически обоснованный框架 для оценки гетерогенных эффектов воздействия, ценящийся за свою устойчивость к ошибкам в моделях nuisance-параметров. Однако его применение к сетевым данным, где причинная неоднородность часто зависит...
arXiv:2511.13124v1 Тип объявления: новый Аннотация: Предсказание результатов пертурбаций на уровне единичных клеток напрямую способствует анализу функции генов и облегчает отбор кандидатов в лекарственные препараты, что делает эту задачу ключевым двигателем как фундаментальных, так и трансляционных ...
arXiv:2511.13010v1 Тип: новая статья Аннотация: Графовые нейронные сети (GNN) стали мощным инструментом для обучения на графовых данных, но часто испытывают трудности с балансировкой локальной и глобальной информации. Хотя графовые трансформеры пытаются решить эту проблему за счёт обеспечения дально...
arXiv:2511.13144v1 Тип: новая статья Аннотация: Федеративное обучение (FL) позволяет проводить совместное обучение на децентрализованных данных, но сталкивается с ключевыми проблемами двусторонних затрат на связь и неоднородности данных на стороне клиентов. Чтобы решить проблему затрат на связь, при...
arXiv:2511.13044v1 Тип объявления: новый Аннотация: Традиционные методы машинного обучения (МО) требуют для эффективной работы больших объемов данных, что ограничивает их применимость в сценариях с разреженными или неполными данными и вынуждает использовать дополнительно синтетические данные для улу...
arXiv:2511.13116v1 Тип: новая работа Аннотация: Машинное заучивание направлено на устранение влияния определенных данных из обученных моделей для обеспечения соответствия требованиям конфиденциальности. Однако большинство существующих методов предполагают полный доступ к исходному набору данных для ...
arXiv:2511.13052v1 Тип объявления: новый Аннотация: Языковые модели (ЯМ) часто адаптируют с помощью контролируемого тонкого настройки (SFT), чтобы специализировать их возможности для решения конкретных задач. Однако в типичных сценариях, когда данные для тонкой настройки ограничены (например, по с...
arXiv:2511.13338v1 Тип: новая статья Аннотация: Обучение с учителем на табличных данных сопряжено с уникальными трудностями, включая малый объем данных, отсутствие структурных сигналов и неоднородные признаки, охватывающие как категориальные, так и непрерывные области. В отличие от задач компьютерно...