“niceleme” için sonuçlar
3 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
Üç Boyutlu Kuantum Alanında Sonsuz Simetri Keşfi
Matematiksel fizikçiler, üç boyutlu kuantum alan teorisinde sonsuz boyutlu bir simetri yapısı keşfetti. Bu çalışma, iki boyutlu konformal alan teorisinin güçlü yöntemlerini üç boyuta genişletme potansiyeli taşıyor. Araştırmacılar, merkezi genişletilmiş afin dereceli Lie cebiri kullanarak bu simetriyi açık bir şekilde gerçekleştirdiler. Radyal niceleme tekniği ile teorinin Fock uzayını inşa ettiler ve yerel operatörlerin cebirinin 'raviolo vertex cebiri' yapısına sahip olduğunu gösterdiler. Bu keşif, üç boyutlu kuantum alan teorisinde tam yöntemlerin geliştirilmesi için yeni bir çerçeve sunuyor.
Ses Analizinde Entropi: Depresyonu Teşhis Eden Yeni Dijital Biyobelirteç
Araştırmacılar, depresyon tespiti için geleneksel ses analizi yöntemlerinin ötesine geçerek, entropi tabanlı yeni bir yaklaşım geliştirdi. DAIC-WOZ korpusundaki 142 katılımcının ses kayıtları üzerinde yapılan çalışmada, konuşma dinamiklerinin zamana bağlı değişimlerini analiz eden entropi biyobelirteçleri, depresyon tespitinde %64,6 doğruluk oranına ulaştı. Bu yöntem, statik ses özelliklerini kullanan geleneksel yöntemlerin %59,3'lük performansını önemli ölçüde geride bıraktı. Shannon entropisi, fraktal karmaşıklık ve tekrarlama niceleme gibi matematiksel araçlarla ses kalıplarındaki düzensizlikleri ölçen bu yaklaşım, depresyonun erken teşhisinde yeni umutlar vaat ediyor.
Yapay Zeka Modellerinde Yeni Sıkıştırma Tekniği: W4A4 Niceleme Sorunu Çözüldü
Araştırmacılar, yapay zeka dil modellerinde kritik bir sıkıştırma sorununu çözdü. W4A4 niceleme adı verilen bu teknik, modelleri küçültürken performanslarını korumayı amaçlıyor ancak şimdiye kadar büyük doğruluk kayıplarına neden oluyordu. Stanford'dan araştırmacılar, SwiGLU mimarisine sahip 300 milyon parametreli bir modelde yaptıkları çalışmada, 'Depth Registers' adını verdikleri yeni bir yöntem geliştirdi. Bu teknik sayesinde, standart W4A4 sıkıştırma yönteminin neden olduğu performans kaybını 14 kata kadar azaltmayı başardılar. Model sıkıştırma, özellikle mobil cihazlarda ve sınırlı kaynaklara sahip sistemlerde yapay zeka uygulamalarını yaygınlaştırmak için kritik önem taşıyor.