“markov zincirleri” için sonuçlar
4 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
Yapay zeka sistemlerinde veri tazeliğini artıran yeni örnekleme stratejisi
Araştırmacılar, sorgu tabanlı güncelleme sistemlerinde veri tazeliğini maksimize eden yeni bir yöntem geliştirdi. Markov kaynaklarını izlemek için kullanılan geleneksel örnekleme tekniklerinin sınırlarını aşan bu yaklaşım, gecikme dağılımları konusunda daha esnek varsayımlar kullanıyor. Çalışma, anlık geri bildirim varsayımından uzaklaşarak daha gerçekçi koşullar altında çalışan optimal örnekleme politikaları öneriyor. Beklemeli strateji olarak adlandırılan yeni yöntem, ortalama ikili tazelik metriğinde önemli iyileştirmeler sağlıyor. Bu gelişme, gerçek zamanlı veri işleme ve yapay zeka sistemlerinde daha verimli izleme mekanizmaları kurulmasına olanak tanıyor.
Yapay Zeka ve Makine Öğrenmesi İçin Yeni İstatistiksel Yöntem Geliştirildi
Araştırmacılar, makine öğrenmesi ve operasyon araştırması alanlarında kritik öneme sahip merkezi limit teoremi için yeni bir yaklaşım geliştirdi. Wasserstein-p mesafesi kullanılarak gerçekleştirilen bu çalışma, bağımlı veri dizileri ve Markov zincirlerinde optimal yakınsama hızları elde etti. Özellikle yerel bağımlı diziler ve geometrik ergodik Markov zincirleri için ilk kez optimal O(n^-1/2) hızına ulaşıldı. Bu gelişme, yapay zeka sistemlerinin daha hızlı ve güvenilir istatistiksel analizler yapabilmesine olanak tanıyor. Çalışma aynı zamanda çok değişkenli U-istatistikleri için de optimal sonuçlar sunuyor, bu da büyük veri analizi uygulamalarında önemli iyileştirmeler sağlayacak.
Bilgisayar Sistemlerini Doğrulama İçin Yeni Matematiksel Yöntemler Geliştirildi
Araştırmacılar, bilgisayar sistemlerinin güvenilirliğini matematiksel olarak kanıtlamak için yeni supermartingale tabanlı sertifikalar geliştirdi. Bu yöntemler, sistemlerin belirli özellikleri neredeyse kesin olarak sağlayıp sağlamadığını doğrulamak için kullanılıyor. Geliştirilen beş farklı matematiksel araç - GSSMs, LexGSSMs, DVSSMs, PMSMs ve LexPMSMs - mevcut Streett supermartingale yöntemlerinden daha güçlü olduğu kanıtlandı. Bu gelişme, özellikle kritik güvenlik sistemlerinin doğrulanması açısından büyük önem taşıyor.
Yapay Zeka Modelleri İçin Yeni Matematik Yaklaşımı: Neural CTMC
Araştırmacılar, dil ve ayrık veri üretimi için kullanılan difüzyon modellerinde çığır açan yeni bir yaklaşım geliştirdi. Neural Continuous-Time Markov Chain (Neural CTMC) adlı bu yöntem, sürekli zamanlı Markov zincirlerinin temel yapısını iki ayrı bileşene ayırarak daha etkili sonuçlar elde ediyor. Mevcut yöntemler tersine oran matrisini tek bir nesne olarak ele alırken, yeni yaklaşım 'ne zaman zıplama yapılacağı' ve 'nereye zıplanacağı' sorularını iki ayrı ağ başlığıyla çözüyor. Bu matematiksel ayrıştırma, Poisson süreçlerinin doğal yapısına daha uygun olduğu için daha verimli ve teorik temellere dayalı bir çözüm sunuyor. Yapay zeka modellerinin metin ve kategorik veri üretme yeteneklerini artırabilecek bu yenilik, özellikle doğal dil işleme alanında önemli gelişmelere yol açabilir.