“sinir ağı” için sonuçlar
85 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
Yapay Zeka ile Viskoelastik Jet Simülasyonları 1000 Kat Hızlandı
Bilim insanları, viskoelastik sıvıların türbülanslı jet davranışlarını simüle etmek için hibrit makine öğrenmesi modelleri geliştirdi. Esnek polimerlerin Newtonyensi çözücülere eklenmesi karmaşık özellikler kazandırır ancak sayısal simülasyonların maliyetini astronomik seviyelere çıkarır. Araştırmacılar bu sorunu modal ayrıştırma ve derin sinir ağlarını birleştiren hibrit indirgenmiş-düzen modellerle çözdü. Model, proper ortogonal ayrıştırma ile veriyi kompakt hale getiriyor ve düşük boyutlu uzayda mod katsayılarını tahmin etmek için sinir ağı kullanıyor. Sonuçlar, hibrit modelin viskoelastik jetin uzun vadeli davranışını etkili şekilde yakaladığını gösteriyor.
Yeni yapay sinir ağı mimarisi dışbükey fonksiyonları öğrenmede devrim yaratıyor
Araştırmacılar, dışbükey fonksiyonları öğrenme konusunda çığır açan Hyper Input Convex Neural Networks (HyCNN) adlı yeni bir yapay sinir ağı mimarisi geliştirdi. Bu yenilikçi sistem, Maxout ağları ile giriş dışbükey sinir ağlarının (ICNN) güçlü yönlerini birleştiriyor. HyCNN'ler, kuadratik fonksiyonları yaklaşık olarak modellemek için ICNN'lere kıyasla üssel olarak daha az parametre gerektiriyor. Yapılan deneyler, yeni mimarinin dışbükey regresyon ve interpolasyon görevlerinde mevcut ICNN'leri ve çok katmanlı algılayıcıları (MLP) geride bıraktığını gösteriyor. Özellikle yüksek boyutlu optimal transport haritalarının öğrenilmesinde ve tek hücreli RNA sekanslama verilerinin analizinde üstün performans sergiliyor. Bu gelişme, makine öğrenmesinde dışbükey optimizasyon problemlerinin çözümü için önemli bir adım teşkil ediyor.
Radyo Dalgalarıyla Uzaktan Yapay Sinir Ağı Eğitimi Gerçekleştirildi
Araştırmacılar, manyetik tünel bağlantıları kullanarak radyo frekansı sinyalleriyle uzaktan kontrol edilebilen yeni bir yapay sinir ağı geliştirdi. Bu sistem, her sinaps için ayrı bağlantı gerektirmeden 11 adet manyetik bileşeni radyo dalgalarıyla programlayabiliyor. Geliştirilen 22 sinapslı ağ, aynı donanım üzerinde hem el yazısı rakam tanıma hem de drone RF imzası belirleme görevlerini başarıyla gerçekleştirdi. Bu yenilikçi yaklaşım, bellek içi hesaplama sistemlerinin ölçeklenebilirlik sorununa çözüm sunarak, daha verimli ve esnek yapay zeka donanımları geliştirilmesine olanak sağlıyor.
Yapay Sinir Ağlarının Kararlılığını Garantileyen Yeni Matematiksel Yöntem
Araştırmacılar, yapay sinir ağlarının kararlılığını matematiksel olarak garantileyebilen yeni bir yöntem geliştirdi. Kontraksyon teorisine dayanan bu yaklaşım, tekrarlayan sinir ağlarının (RNN) ne zaman kararlı çalışacağını önceden belirleyebiliyor. Çalışma, sinir ağlarının tasarımında önemli bir güvenlik sorunu olan kararlılık problemine çözüm sunuyor. Geliştirilen doğrusal matris eşitsizliği koşulları, farklı sinir ağı mimarilerinin kararlı çalışma garantilerini veriyor. Bu matematiksel çerçeve, kontrol sistemleri ve öğrenme algoritmalarında da uygulanabilir nitelikte. Bulgular, sürekli zaman modelleri ve monoton aktivasyon fonksiyonlarının daha geniş ağırlık uzaylarında çalışabildiğini gösteriyor. Yöntem ayrıca Graf RNN'leri ve birbirine bağlı sistemler için de genişletilebiliyor.
Yapay zeka depremlerin büyüklüğünü tahmin etmeyi başardı
Stanford Üniversitesi araştırmacıları, depremlerin büyüklüğünün tahmin edilemez olduğu geleneksel görüşe meydan okuyan bir yapay zeka modeli geliştirdi. MAGNET adlı bu model, LSTM sinir ağı mimarisi kullanarak geçmiş deprem verilerindeki gizli kalıpları analiz ediyor. Araştırma, deprem büyüklüklerinin aslında sismik geçmişle bağlantılı olduğunu ve mevcut tahmin modellerinin eksik kaldığını ortaya koyuyor. Bu bulgu, deprem tahmininde yeni bir dönem başlatabilir ve afet yönetimi stratejilerini köklü şekilde değiştirebilir.
Yapay Zeka ile Işık Mikroskobunda Çığır Açan Gelişme: 100 Nanometre Altı Görüntüleme
Bilim insanları, optik mikroskobun temel sınırını aşmak için yapay zeka tabanlı yeni bir yöntem geliştirdi. Geleneksel mikroskoplar, ışığın dalga boyundan daha küçük yapıları net göremezken, araştırmacılar süper-salınım odaklama ve çıkarma görüntüleme tekniklerini tek bir yapay sinir ağı sisteminde birleştirdi. Bu yenilikçi yaklaşım, manuel ayarlamalar gerektiren geleneksel iki aşamalı süreçleri ortadan kaldırıyor. Sistem, Debye integral hesaplamalarını kullanarak vektörel optik hesaplamalar yapabiliyor ve 100 nanometreden daha küçük yapıları görüntüleyebiliyor. Bu gelişme, malzeme bilimi, biyoloji ve nanoteknoloji alanlarında devrim yaratabilecek potansiyele sahip.
Metayüzey Teknolojisiyle 3D Algılamada Devrim: Tek Kamerayla Derinlik Ölçümü
Araştırmacılar, üç boyutlu çevreyi algılamak için yeni bir yaklaşım geliştirdi. Geleneksel 3D algılama sistemleri karmaşık işlemler gerektirirken, yeni sistem metayüzey kodlayıcı ile entegre edilmiş optoelektronik sinir ağı kullanıyor. Sistem, derinlik bilgisini çift sarmal nokta yayılım fonksiyonu ile kodlayarak tek bir kameradan 3D bilgi elde ediyor. Bu yenilik, otonom sistemler, robotik manipülasyon ve artırılmış gerçeklik gibi alanlarda büyük potansiyel taşıyor. Özellikle hesaplama yükü, güç tüketimi ve gecikme sorunlarına çözüm sunması nedeniyle önem kazanıyor.
Esnek robotlar için yapay zeka destekli yeni kontrol sistemi geliştirildi
Araştırmacılar, tendonlarla çalışan esnek robotların kontrolü için makine öğrenmesi tabanlı yeni bir sistem geliştirdi. Bu robotlar, karmaşık nonlineer davranışları ve sürtünme gibi faktörler nedeniyle kontrol edilmesi oldukça zor sistemlerdir. Yeni yaklaşım, GRU tabanlı bir dinamik model ile güçlü bir sinir ağı kontrolcüsünü birleştiriyor. Sistem, robotun hareketlerini daha doğru tahmin edebiliyor ve uzun süreli işlemlerde biriken hataları minimize ediyor. Üç bölümlü gerçek bir robot üzerinde yapılan testler, sistemin beklenmedik yüklerle karşılaştığında bile kararlı performans sergilediğini gösterdi. Bu gelişme, tıbbi müdahaleler ve dar alanlarda çalışabilen esnek robotların daha güvenilir hale gelmesi açısından önemli.
Robotlar Artık Daha Güvenli Kavrayabilecek: Yeni Yapay Sinir Ağı Yaklaşımı
Stanford Üniversitesi araştırmacıları, robotların nesneleri kavrarken karşılaştığı belirsizlikleri ele alan yeni bir yapay zeka sistemi geliştirdi. Geleneksel robotik kavrama sistemleri, beklenmedik durumlarla karşılaştıklarında sıklıkla başarısız oluyor. Yeni sistem, olasılıksal modelleme ve varyasyonel çıkarım tekniklerini kullanarak, robotların daha güvenilir bir şekilde nesne kavramasını sağlıyor. Araştırmada, temas belirsizliği, sensör gürültüsü ve dış müdahaleler gibi gerçek dünya koşulları göz önünde bulundurularak, risk-duyarlı bir yaklaşım benimsenmiş. Bu gelişme, endüstriyel otomasyon, sağlık robotları ve günlük yaşam asistanları gibi alanlarda daha güvenilir robotik uygulamaların önünü açabilir.
Yapay sinir ağları ile 3D ses dalgalarının modellenmesinde yeni yaklaşım
Araştırmacılar, üç boyutlu akustik problemleri çözmek için sanal sınır integral sinir ağı (VBINN) adlı yeni bir yöntem geliştirdi. Bu yaklaşım, ses dalgalarının nesnelerden nasıl yansıdığını ve yayıldığını modellemek için yapay sinir ağlarını kullanıyor. Geleneksel yöntemlerden farklı olarak, fiziksel sınırın içinde sanal bir sınır oluşturarak hesaplama karmaşıklığını azaltıyor. Yöntem, ses basıncını ve türevlerini doğrudan hesaplayabiliyor ve radyasyon koşullarını otomatik olarak sağlıyor. Bu gelişme, akustik mühendisliği, gürültü kontrolü ve ses tasarımı alanlarında önemli uygulamalara sahip olabilir.
Yapay Zeka Güvenlik Sistemlerindeki 'Gevşetme' Yaklaşımının Gizli Maliyeti
Yapay sinir ağlarının güvenilirliğini test eden doğrulama sistemleri, performans artışı için 'konveks gevşetme' yöntemini kullanıyor. Bu yaklaşım, karmaşık tamsayı kısıtlamalarını basitleştirerek hesaplama süresini kısaltıyor ancak sistemin doğruluğunu tehlikeye atıyor. Araştırmacılar, orijinal sinir ağı ile gevşetilmiş versiyonu arasındaki sapmanın ağın derinliğiyle üstel olarak arttığını matematiksel olarak kanıtladı. Bu bulgu, AI güvenlik sistemlerinde hız ile doğruluk arasındaki kritik dengeyi gözler önüne seriyor ve gelecekteki doğrulama algoritmalarının tasarımında önemli bir kılavuz sunuyor.
Mars'ın Plazma Bölgeleri Yapay Zeka ile Haritalanıyor
Mars çevresindeki plazma ortamı, güneş rüzgarının güçlü etkisiyle sürekli değişim halinde. Bu karmaşık ortamda üç ana plazma bölgesinin - güneş rüzgarı, manyetoşit ve indüklenmiş manyetosfer - doğru bir şekilde belirlenmesi, Mars'ın atmosfer kaybını ve güneş rüzgarı etkileşimlerini anlamak için kritik önem taşıyor. NASA'nın MAVEN misyonu kapsamında toplanan veriler üzerinde çalışan bilim insanları, bu zorlu sınıflandırma işlemini otomatikleştirmek için makine öğrenmesi teknolojilerini kullandı. Araştırmacılar, yalnızca iyon enerji spektrumlarını kullanarak plazma bölgelerini ayırt edebilen yapay zeka sistemleri geliştirdi. İki farklı sinir ağı mimarisinin karşılaştırıldığı çalışmada, konvolüsyonel sinir ağının üç plazma bölgesini güvenilir şekilde ayırt edebildiği, çok katmanlı algılayıcının ise güneş rüzgarı ile manyetoşit arasında ayrım yapmakta zorlandığı ortaya çıktı.
Fizik Bilgisiyle Güçlendirilmiş Yapay Zeka, Parçacık Detektörlerinde Çığır Açıyor
CERN'deki CMS detektörü gibi parçacık fiziği deneylerinde, çarpışmalardan çıkan parçacıkların momentumunu gerçek zamanlı ölçmek kritik önem taşıyor. Araştırmacılar, fizik yasalarını öğrenme sürecine dahil eden yeni bir graf sinir ağı geliştirdi. Bu sistem, detektör geometrisini ve fiziksel gözlemleri sistematik olarak kodlayarak, yüksek parçacık yoğunluğu altında bile doğru momentum tahminleri yapabiliyor. Geleneksel makine öğrenmesi yöntemlerinin aksine, bu yaklaşım fiziksel yapıyı göz ardı etmiyor ve dört farklı graf yapısı stratejisi kullanıyor. Yeni mesaj geçirme katmanı ve dikkat mekanizmaları sayesinde, parçacık fiziği deneylerinde daha güvenilir sonuçlar elde ediliyor.
Kuantum Denklemler İçin Yeni Yapay Zeka Algoritması Geliştirildi
Araştırmacılar, kuantum fiziğinde önemli olan Gross-Pitaevskii denklemlerini çözmek için yeni bir yapay sinir ağı algoritması geliştirdi. SD-FSNN adı verilen bu yöntem, geleneksel hesaplama yöntemlerinin aksine boyut sayısından bağımsız çalışabiliyor ve exponansiyel maliyet artışını önlüyor. Algoritma, ağırlık ve bias değerlerini rastgele örnekleyerek gradient tabanlı optimizasyon yöntemlerinden hem hız hem de doğruluk açısından üstün performans gösteriyor. Özellikle sonsuz uzayda tanımlı yüksek boyutlu problemlerde etkili olan bu yaklaşım, kuantum mekaniksel sistemlerin modellenmesinde önemli ilerlemeler sağlayabilir.
Yapay Zeka Destekli Kuantum Çekirdek Tasarımında Yeni Dönem
Kuantum makine öğrenmesinde büyük potansiyele sahip kuantum çekirdeklerin tasarımı, özellikle gürültülü kuantum cihazlarda büyük zorluklar içeriyor. Araştırmacılar, bu soruna graf sinir ağları tabanlı yenilikçi bir çözüm geliştirdi. Sistem, kuantum devrelerini yönlendirilmiş asiklik graflar olarak temsil ederek, donanım özelliklerini ve gürültü etkilerini hesaba katıyor. İkili graf sinir ağı yapısı, başarılı deneme olasılığını tahmin ederek en uygun devre tasarımını belirliyor. Bu yaklaşım, sınırlı kübit sayısı ve bağlantı kısıtları olan günümüz kuantum bilgisayarları için pratik çözümler sunuyor. Donanım farkındalığı sayesinde gerçek kuantum sistemlerde daha etkili sonuçlar elde edilebilecek.
Fermi Sets: Kuantum sistemleri için yeni yapay zeka mimarisi geliştirildi
Araştırmacılar, fermiyonik çok-cisim sistemlerini modellemek için Fermi Sets adında yenilikçi bir yapay sinir ağı mimarisi geliştirdi. Bu mimari, kuantum mekaniğinin temel prensiplerini koruyarak karmaşık parçacık sistemlerini daha az hesaplama gücüyle modelleyebiliyor. Sistem, antisimetrik ve simetrik fonksiyonları birleştirerek evrensel yaklaşım sağlıyor. En dikkat çekici yanı, boyut sayısına bağlı olarak ihtiyaç duyulan temel fonksiyon sayısının oldukça sınırlı olması - tek boyutta sadece bir, iki boyutta iki temel fonksiyon yeterli. Bu gelişme, kuantum fiziği hesaplamalarında önemli verimlilik artışı sağlayabilir ve malzeme bilimi ile kuantum kimyası alanlarında yeni araştırma kapıları açabilir.
Elektrik Rezonatörlerle Yapay Sinir Ağı: Analog Hesaplama Çığır Açıyor
Araştırmacılar, birbirine bağlı elektrik rezonatörlerinden oluşan tamamen analog bir sinir ağı sistemi geliştirdi. Bu yenilikçi tasarım, geleneksel dijital sistemlere kıyasla çok daha hızlı ve enerji verimli çalışabiliyor. Metacircuit adı verilen mimari, fiziksel donanım üzerinde eğitilmiş sinir ağı parametrelerinin doğrudan uygulanmasını mağdun kılıyor. Sistem, yerel rezonatörler ve global dirençli bağlantıların birlikte eğitilmesiyle frekansa bağlı negatif dirençler üretebiliyor. Bu gelişme, özellikle kenar cihazlarda yapay zeka uygulamaları için önemli fırsatlar sunuyor.
Yapay Zeka ile Karmaşık Malzeme Geçiş Problemleri Çözülüyor
Araştırmacılar, heterojen ortamlarda malzeme geçiş problemlerini çözmek için yeni bir derin öğrenme çerçevesi geliştirdi. FOSLS (First-Order System Least-Squares) yöntemiyle güçlendirilen bu sistem, malzeme özelliklerindeki büyük farklılıkların olduğu durumlarda bile kararlı sonuçlar üretiyor. Geleneksel yapay sinir ağı yaklaşımlarının zorlandığı yüksek malzeme kontrastlı ortamlarda, bu yeni yöntem enerji tabanlı optimizasyon sayesinde daha güvenilir çözümler sunuyor. Sistem aynı zamanda pasif varyans azaltma özelliği göstereyor, yani hatalar azaldıkça gradient varyansı da kendiliğinden düşüyor.
Yapay Zeka Modellerinin Genelleme Yeteneği İçin Yeni Matematiksel Sınır
Araştırmacılar, yapay zeka modellerinin yeni veriler karşısındaki performansını önceden tahmin edebilmek için yeni bir matematiksel yaklaşım geliştirdi. PAC-Bayes teorisi ve tekil öğrenme teorisini birleştiren bu yöntem, özellikle çok parametreli modellerde klasik yöntemlerin başarısız olduğu durumlarda etkili sonuçlar veriyor. Gibbs posterior dağılımları kullanılarak elde edilen bu sınırlar, modelin karmaşıklığına ve veri yapısına uyum sağlayabiliyor. Matris tamamlama ve sinir ağı uygulamalarında test edilen yöntemin, mevcut tekniklerden çok daha sıkı tahminler verdiği gösterildi.
Yapay Zeka Modellerinin Beyninde 'Kültür Nöronları' Keşfedildi
Araştırmacılar, görü-dil yapay zeka modellerinin içinde belirli kültürlere duyarlı özel nöronların varlığını kanıtladı. Bu 'kültür nöronları', farklı kültürel bağlamlardaki görselleri işlerken aktifleşen ve o kültürle ilgili soruları yanıtlamada kritik rol oynayan sinir ağı bileşenleri olarak tanımlanıyor. 25 farklı kültür grubunda yapılan deneyler, bu nöronlar devre dışı bırakıldığında modellerin ilgili kültürel sorularda başarısının dramatik şekilde düştüğünü gösterdi. Bulgular, yapay zekanın kültürel bilgiyi nasıl işlediğini anlamamıza yeni bir perspektif sunuyor.
Yapay Zeka Modelleri Neden Eski Bilgileri Unutuyor? Yeni Teori Açıklıyor
Sürekli öğrenme, yapay zekanın en büyük zorluklarından biri: yeni görevler öğrenirken eskilerini unutmama yetisi. MIT araştırmacıları, bu sorunun matematiksel temellerini anlamak için özel sinir ağı modellerini inceledi. XOR-küme veri setleri üzerinde yapılan analizde, modellerin ne kadar hızla unuttuğu hesaplandı. Araştırma, unutma oranının iterasyon sayısı, veri boyutu ve görev sayısıyla nasıl değiştiğini ortaya koyuyor. Bu teorik çerçeve, gelecekte daha iyi sürekli öğrenme algoritmaları geliştirmek için kritik bir temel oluşturuyor.
Yapay zeka ile finansal modelleme: Opsiyon fiyatlamasında çığır açan yaklaşım
Araştırmacılar, finans dünyasında yaygın kullanılan Heston modelinin kalibrasyonunu yapay zeka ile geliştiren yeni bir framework sundu. Geleneksel yöntemlerde hesaplama açısından zorlu ve yerel minimumlara takılma riski taşıyan bu süreç, derin öğrenme teknikleriyle hem daha hızlı hem de daha doğru hale getiriliyor. Çalışmada iki farklı sinir ağı kullanılıyor: opsiyon fiyat yüzeyini tahmin eden PAN ve sistematik hataları düzelten CCN. S&P 500 verilerindeki testler, bu yaklaşımın geleneksel kalibrasyon tekniklerinden üstün performans sergilediğini gösteriyor.
Yapay Zeka ile Malzeme Sınırlarını Takip Eden Yeni Modelleme Yöntemi
Bilim insanları, hareket halindeki malzeme sınırlarını takip edebilen yeni bir yapay zeka tabanlı modelleme sistemi geliştirdi. LaSDI-IT adı verilen bu framework, şok dalgalarının gözenekli malzemelerde yarattığı karmaşık değişimleri az veriyle modelleyebiliyor. Sistem, fiziksel alanları ve malzeme bölgelerini aynı anda yeniden yapılandıran özel bir yapay sinir ağı mimarisi kullanıyor. Geleneksel yöntemlerin aksine detaylı fizik modellerine ihtiyaç duymadan, malzeme sınırlarındaki keskin değişimleri yakalayabiliyor. Bu teknoloji, savunma sanayisinden malzeme mühendisliğine kadar pek çok alanda uygulanabilir.
Drone'lar İçin Akıllı Grafik Ağı: 3D Sahne Rekonstrüksiyonunda Yeni Dönem
Araştırmacılar, düşük irtifada uçan drone'lardan toplanan görüntülerle 3D sahne rekonstrüksiyonu yapan yeni bir sistem geliştirdi. LAGS (Low-Altitude Gaussian Splatting) adı verilen bu teknoloji, dağıtık drone filolarının çektiği hava görüntülerini birleştirerek üç boyutlu sahneler oluşturuyor. Ancak mevcut kaynak dağıtım sistemleri, görüntü kalitesini maksimuma çıkarmaya odaklanırken iletişim verimliliğini göz ardı ediyordu. Yeni geliştirilen GW-HGNN (Groupwise Heterogeneous Graph Neural Network) sistemi, farklı açılardan çekilen görüntülerin yeniden yapılandırma sürecine olan katkılarını akıllıca hesaplayarak bu sorunu çözüyor. Sistem, veri kalitesi ve aktarım maliyeti arasında otomatik denge kuruyor. Gerçek dünya verileriyle yapılan testler, yeni metodun mevcut teknolojilerden önemli ölçüde daha başarılı olduğunu gösteriyor.