cs.LG」カテゴリーアーカイブ

Diffusion MRI with Machine Learning

要約 拡散強調磁気共鳴画像法 (dMRI) は、脳組織の微細構造や構造的接続性の … 続きを読む

カテゴリー: cs.CV, cs.LG, eess.IV | Diffusion MRI with Machine Learning はコメントを受け付けていません

Learning to Visually Connect Actions and their Effects

要約 ビデオ理解におけるアクションとその効果の視覚的接続 (CATE) という新 … 続きを読む

カテゴリー: cs.AI, cs.CV, cs.LG, cs.RO | Learning to Visually Connect Actions and their Effects はコメントを受け付けていません

Learn from the Learnt: Source-Free Active Domain Adaptation via Contrastive Sampling and Visual Persistence

要約 ドメイン アダプテーション (DA) は、ソース ドメインから関連するター … 続きを読む

カテゴリー: cs.AI, cs.CV, cs.LG | Learn from the Learnt: Source-Free Active Domain Adaptation via Contrastive Sampling and Visual Persistence はコメントを受け付けていません

A Scalable Quantum Non-local Neural Network for Image Classification

要約 非ローカル演算はコンピュータ ビジョンにおいて重要な役割を果たし、入力全体 … 続きを読む

カテゴリー: cs.AI, cs.CV, cs.IT, cs.LG, math.IT, quant-ph | A Scalable Quantum Non-local Neural Network for Image Classification はコメントを受け付けていません

Wolf: Captioning Everything with a World Summarization Framework

要約 私たちは、正確なビデオキャプションを作成するための WOrLd 要約フレー … 続きを読む

カテゴリー: cs.CL, cs.CV, cs.LG | Wolf: Captioning Everything with a World Summarization Framework はコメントを受け付けていません

Exploring Scaling Trends in LLM Robustness

要約 言語モデルの機能は、モデルのサイズとトレーニング データをスケーリングする … 続きを読む

カテゴリー: cs.AI, cs.CL, cs.CR, cs.LG, I.2.7 | Exploring Scaling Trends in LLM Robustness はコメントを受け付けていません

Recursive Introspection: Teaching Language Model Agents How to Self-Improve

要約 基礎モデルでインテリジェントなエージェントの動作を可能にするための中心的な … 続きを読む

カテゴリー: cs.AI, cs.CL, cs.LG | Recursive Introspection: Teaching Language Model Agents How to Self-Improve はコメントを受け付けていません

Longhorn: State Space Models are Amortized Online Learners

要約 大規模言語モデル (LLM) などの最新の AI 手法の最も基本的な機能は … 続きを読む

カテゴリー: cs.LG | Longhorn: State Space Models are Amortized Online Learners はコメントを受け付けていません

Imperative Learning: A Self-supervised Neural-Symbolic Learning Framework for Robot Autonomy

要約 強化学習や模倣学習などのデータ駆動型の手法は、ロボットの自律性において目覚 … 続きを読む

カテゴリー: cs.AI, cs.CV, cs.LG, cs.RO | Imperative Learning: A Self-supervised Neural-Symbolic Learning Framework for Robot Autonomy はコメントを受け付けていません

Equivariant Ensembles and Regularization for Reinforcement Learning in Map-based Path Planning

要約 強化学習 (RL) では、環境の対称性を利用することで、効率、堅牢性、パフ … 続きを読む

カテゴリー: cs.LG, cs.RO | Equivariant Ensembles and Regularization for Reinforcement Learning in Map-based Path Planning はコメントを受け付けていません