“aykırı değer” için sonuçlar
9 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
Otizmde Göz Hareketleri: Bireysel Farklılıkları Ortaya Çıkaran Yeni Yaklaşım
Araştırmacılar, otizm spektrum bozukluğu (OSB) olan bireylerdeki göz hareket farklılıklarını tespit etmek için yenilikçi bir 'aykırı değer analizi' geliştirdi. Geleneksel grup ortalaması analizlerinin maskelediği bireysel özellikleri ortaya çıkaran bu yöntem, 18 OSB'li ve 39 tipik gelişim gösteren yetişkinde test edildi. Yavaş takip göz hareketlerini inceleyen çalışma, her bireyin benzersiz okulomotor desenlerini matematiksel olarak tanımlamayı başardı. Bu yaklaşım, otizmin heterojen doğasını daha iyi anlamamıza yardımcı olabilir ve gelecekte bireyselleştirilmiş tanı yöntemlerine katkı sağlayabilir.
Yapay Zeka Modellerini 16 Kat Küçültecek Yeni Sıkıştırma Tekniği
Stanford araştırmacıları, büyük dil modellerinin boyutunu dramatik şekilde azaltacak yeni bir teknik geliştirdi. DuQuant++ adlı yöntem, NVIDIA'nın yeni Blackwell işlemcilerinde desteklenen MXFP4 formatını kullanarak modelleri sıkıştırırken kalite kaybını minimize ediyor. Teknik, veri içindeki aykırı değerlerin neden olduğu sıkıştırma hatalarını akıllı döndürme algoritmaları ile çözüyor. Bu gelişme, yapay zeka modellerinin mobil cihazlarda ve daha düşük güçlü donanımlarda çalışmasını mümkün kılabilir.
Yapay Zeka Modellerinde Yeni Sıkıştırma Yöntemi: 8:16 Seyreklik Deseni
Büyük dil modellerinin hafıza kullanımını azaltmak için geliştirilen yeni bir sıkıştırma tekniği dikkat çekiyor. Araştırmacılar, geleneksel 2:4 seyreklik desenine alternatif olarak 8:16 desenini öneriyor. Bu yöntem, modellerin performansını korurken daha esnek bir yapı sunuyor. Çalışma, yapay zeka modellerindeki aykırı değerlerin ele alınmasında da önemli ilerlemeler kaydediyor. Yeni teknik, mevcut yöntemlere kıyasla minimal depolama maliyetiyle daha iyi sonuçlar elde ediyor. Bu gelişme, büyük dil modellerinin daha verimli çalıştırılması açısından önemli bir adım olarak değerlendiriliyor.
Robotlar İçin Geliştirildi: Belirsizlik Ölçen Yapay Zeka Sistemi
Araştırmacılar, robotların görsel gözlemler ve doğal dil talimatlarını eylem dizilerine dönüştüren VLA modellerinin güvenilirliğini artıran yeni bir sistem geliştirdi. ReconVLA adı verilen bu yaklaşım, robotik kontrolcülerin eylem tahminlerinde ne kadar emin olduklarını ölçebiliyor ve potansiel başarısızlıkları önceden tespit edebiliyor. Sistem, mevcut VLA politikalarının eylem token çıktılarına conformal prediction tekniğini uygulayarak kalibre edilmiş belirsizlik tahminleri üretiyor. Bu tahminler, görevin yürütülme kalitesi ve başarı oranıyla doğrudan ilişkili. Ayrıca, robot durum uzayına genişletilen bu yaklaşım, tehlikeli durumları veya aykırı değerleri başarısızlık gerçekleşmeden önce algılayabiliyor. Bu gelişme, robotların gerçek dünya ortamlarında daha güvenli ve güvenilir şekilde çalışmasını sağlayacak.
İstatistiksel Hesaplamaları Kolaylaştıran Yeni Yaklaşım Formülleri
Bilim insanları, araştırmalarda sıkça kullanılan karmaşık istatistiksel hesaplamaları basitleştiren yeni yaklaşım formülleri geliştirdi. Normal dağılımın tersi, Student t-dağılımı ve aykırı değer tespiti gibi temel istatistiksel testlerde kullanılan hesaplamalar için önerilen basit formüller, pratik uygulamalarda yeterli doğruluğu sağlıyor. Bu gelişme, bilim insanlarının ve araştırmacıların veri analizi süreçlerini hızlandırabilir ve karmaşık hesaplamalara daha kolay erişim sağlayabilir. Özellikle hipotez testleri ve gözlem verilerinin işlenmesinde kritik rol oynayan bu istatistiksel fonksiyonların basitleştirilmesi, araştırma süreçlerinin daha verimli hale gelmesine katkı sağlayacak.
Grafik Modellerde Yüksek Boyutlu Veri Analizi için Yeni Matematiksel Yöntem
Araştırmacılar, büyük veri kümelerinde gizli kalıpları tespit etmek için kullanılan Christoffel polinomlarına alternatif bir yöntem geliştirdi. Geleneksel yöntem, boyut arttıkça hesaplama maliyetinin hızla büyümesi sorunu yaşıyor. Yeni yaklaşım, aynı matematiksel özellikleri koruyarak hesaplama sürecini önemli ölçüde hızlandırıyor. Bu gelişme, makine öğrenmesinde aykırı değer tespiti ve veri analizi gibi alanlarda daha verimli çözümler sunabilir. Özellikle yüksek boyutlu verilerin işlenmesi gereken uygulamalarda büyük avantaj sağlayacak.
Matematikçiler Aykırı Değerlere Karşı Dayanıklı Yeni Tahmin Yöntemi Geliştirdi
Stanford Üniversitesi matematikçileri, istatistiksel tahminlerde aykırı değerlerin olumsuz etkilerini minimize eden yeni bir yöntem geliştirdi. 'Konformal tahmin' olarak bilinen bu yaklaşım, geleneksel yöntemlerin aksine verilerdeki uç değerlerden etkilenmiyor. Araştırmacılar, bir noktanın yarı-kütle yarıçapını ölçerek tahmin bölgelerinin daha güvenilir olmasını sağladı. Yöntem, özellikle ağır kuyruklu ve çok modlu dağılımlarda bile matematiksel olarak geçerli sonuçlar veriyor. Bu gelişme, finans piyasalarından iklim modellemesine kadar geniş bir alanda daha sağlam istatistiksel analizler yapılmasının önünü açıyor.
Ekonometrik Modellerde Aykırı Değer Sorunu İçin Yeni Çözüm Yolu
Ekonometrik analizlerde aykırı değerlerle başa çıkmak için kullanılan alt örnekleme yöntemlerinin, zaman serisi verilerinde beklenmedik sorunlar yarattığını gösteren yeni bir araştırma yayınlandı. Çalışma, kirli verilerin model içinde yayılarak tahmin süreçlerini bozduğunu ve geleneksel temizleme yöntemlerinin yetersiz kaldığını ortaya koyuyor. Araştırmacılar, kontamine gözlemleri çıkarmanın bile modelin tutarlılığını sağlayamadığını tespit etti. Bu soruna çözüm olarak, kirlenmenin kalıntı etkilerini de temizleyen yeni bir 'yama kaldırma' operatörü geliştirildi. Ekonometrik modellerin güvenilirliği açısından önemli bulgular içeren çalışma, veri analizi yöntemlerinde paradigma değişikliğine işaret ediyor.
Dağıtık Optimizasyon Algoritmalarında Gerçek Dünya Gürültüsü Sorunu Çözüldü
Araştırmacılar, dağıtık makine öğrenmesi sistemlerinde karşılaşılan önemli bir sorunu çözdü. Geleneksel algoritmaların çoğu, idealize edilmiş 'hafif kuyruklu' gürültü modellerine dayalı olarak tasarlanıyor. Ancak gerçek hayatta veri bilimi ve istatistiksel öğrenme uygulamalarında, aykırı değerler ve ekstrem durumlar nedeniyle bu modeller yetersiz kalıyor. Yeni çalışma, sub-Weibull rastgelelik adı verilen daha gerçekçi bir gürültü modelini dağıtık optimizasyon çerçevesine entegre etti. DCSMD-SW algoritması ile dağıtık kompozit stokastik optimizasyon problemleri için yeni bir yaklaşım geliştiren araştırmacılar, yüksek olasılıklı yakınsama teorisi de ortaya koydu. Bu çalışma, büyük veri sistemlerinde ve yapay zeka uygulamalarında daha güvenilir sonuçlar elde edilmesini sağlayabilir.