“RNN” için sonuçlar
8 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
Yapay zeka ile kimyasal reaksiyonları öğrenmek: Yeni sinir ağı modeli geliştirildi
Araştırmacılar, kimyasal reaksiyonların basınca bağlı davranışlarını daha doğru modelleyebilen yeni bir yapay zeka sistemi geliştirdi. Kolmogorov-Arnold Kimyasal Reaksiyon Sinir Ağları (KA-CRNN) adlı bu sistem, geleneksel modellerin aksine ampirik formüllere ihtiyaç duymadan karmaşık reaksiyon kinetiğini öğrenebiliyor. Yanma ve endüstriyel kimya sistemlerinde kritik öneme sahip bu gelişme, hem fiziksel yasalara uygunluğu koruyarak hem de basınç değişimlerinin etkilerini otomatik olarak hesaplayabiliyor. Bu yenilik, kimya endüstrisinde daha hassas süreç kontrolü ve optimizasyonu sağlayabilir.
Beyin Benzeri Yapay Zeka: Daha Hızlı ve Kararlı Öğrenme Sistemi Geliştirildi
Araştırmacılar, beynin çalışma prensiplerinden ilham alarak yeni bir yapay sinir ağı geliştirdi. FRE-RNN adı verilen bu sistem, geleneksel yapay zeka modellerinin aksine beynin doğal öğrenme mekanizmalarını taklit ediyor. Equilibrium Propagation (EP) çerçevesinde çalışan bu yeni yaklaşım, daha önce karşılaşılan kararsızlık ve yüksek hesaplama maliyeti sorunlarını çözmeyi başardı. Geri bildirim düzenlemesi sayesinde hızlı yakınsama sağlayan sistem, hesaplama maliyetini büyük oranda azaltıyor. Ayrıca beyin yapısından esinlenen bağlantı topolojileri kullanarak gradient kaybolması problemini de çözüyor. Bu gelişme, beyin-benzeri donanım sistemleri için önemli bir adım teşkil ediyor.
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 Fizik Yasalarını Az Veriyle Keşfediyor
Stanford ve MIT araştırmacıları, fiziksel sistemlerin dinamiklerini çok az ve gürültülü veriden öğrenebilen yeni bir yapay zeka modeli geliştirdi. Adaptif Simplektik Tekrarlayan Sinir Ağları (ASRNN) adlı bu model, sadece iki zaman noktasından oluşan verilerle bile karmaşık fiziksel sistemlerin uzun vadeli davranışlarını tahmin edebiliyor. Geleneksel makine öğrenmesi yöntemleri veri kıtlığında başarısız olurken, bu yeni yaklaşım Hamiltoniyen mekaniğin temel ilkelerini model mimarisine entegre ederek bu sorunu çözüyor. Sistem, sembolik matematik kullanarak fiziksel yasaları keşfedebilme özelliği de taşıyor.
Yapay Zeka Sensör Olmayan Noktalardaki Trafiği Tahmin Edebiliyor
Araştırmacılar, tüm yollarda sensör bulunmasa bile trafik durumunu tahmin edebilen yeni bir yapay zeka modeli geliştirdi. MoGERNN adlı bu sistem, kısıtlı sayıda sensörden aldığı verilerle gözlemlenmeyen lokasyonlardaki trafik yoğunluğunu başarıyla öngörebiliyor. Geleneksel trafik tahmin sistemleri her ilgi noktasında sensör bulunmasını gerektirirken, bu yaklaşım maliyet sorunu nedeniyle pratikte mümkün değil. Yeni model, graf tabanlı öğrenme teknikleriyle farklı bölgelerin trafik özelliklerini analiz ediyor ve uzmanlaşmış tahmin bileşenleri kullanıyor. Sistem aynı zamanda sensör ağında yapılan değişikliklere karşı dayanıklı, bu sayede yeni sensör eklendiğinde veya çıkarıldığında yeniden eğitim gerektirmiyor. Bu gelişme, akıllı trafik yönetim sistemleri için önemli bir adım sayılıyor.
WiFi ile Konum Belirleme: Ağırlıklı Adaptif Yarıçap Yöntemi Geliştirme
Araştırmacılar, kapalı mekanlarda WiFi sinyalleri kullanarak konum belirleme sistemlerini geliştirmek için yeni bir algoritma önerdi. Geleneksel k-En Yakın Komşu (kNN) yönteminin alternatifi olarak geliştirilen Ağırlıklı Adaptif Yarıçap En Yakın Komşu (WARNN) algoritması, sabit mesafe yerine değişken yarıçap kullanıyor. 22 farklı veri seti üzerinde yapılan kapsamlı testlerde, WARNN yönteminin en başarılı dört yöntemden üçünü oluşturduğu gözlemlendi. Bu gelişme, WiFi parmak izi tabanlı iç mekan konumlama sistemlerinin doğruluğunu artırabilir ve akıllı telefon navigasyonundan robot haritalama sistemlerine kadar geniş bir uygulama alanında kullanılabilir.
Yapay Zeka Dünyasında Yeni Dönem: S4'ten Mamba'ya Durum Uzayı Modelleri
Yapay zeka alanında sekans modelleme konusunda devrim yaratan Yapılandırılmış Durum Uzayı Modelleri (SSM'ler), geleneksel RNN ve Transformer mimarilerinin temel sorunlarına çözüm getiriyor. Bu modeller, gradyan kaybolması, sıralı hesaplama darboğazları ve karesel bellek karmaşıklığı gibi kritik problemleri çözerek, uzun menzilli bağımlılık görevlerinde mükemmel performans sergiliyor. Araştırma, temel S4 modelinden modern Mamba ve Jamba varyantlarına kadar olan gelişimi inceliyor. SSM'ler, yapılandırılmış tekrar ile durum uzayı temsillerini birleştirerek doğrusal ya da neredeyse doğrusal hesaplama ölçeklendirmesi elde ediyor. Bu breakthrough, özellikle büyük dil modelleri ve uzun sekans analizi gerektiren uygulamalarda önemli avantajlar sağlıyor.
Hibrit yapay zeka modeli Olmo, geleneksel transformer'ları geride bıraktı
Yapay zeka araştırmacıları, transformer mimarilerinin alternatifi olarak hibrit modellerin potansiyelini araştırıyor. Son çalışmalarda lineer tekrarlayan sinir ağları (RNN) ve dikkat mekanizmalarını birleştiren hibrit modeller öne çıkıyor. Araştırmacılar, bu yeni mimarilerin transformer'lara göre avantajlarını kanıtlamak için Olmo Hybrid adlı 7 milyar parametreli bir model geliştirdi. Model, teorik olarak hem transformer'ların hem de lineer RNN'lerin ifade gücünü miras almakla kalmıyor, kod çalıştırma gibi her ikisinin de ötesindeki görevleri yerine getirebiliyor. Pratik testlerde Olmo Hybrid, standart Olmo 3 7B modelini eğitim öncesi ve orta düzey değerlendirmelerde geride bıraktı.