“parametre ayarlama” için sonuçlar
3 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
Yapay Zeka İlaç Etkilerini Önceden Tahmin Ediyor
Araştırmacılar, ilaçların vücuttaki etkilerini tahmin edebilen yeni bir yapay zeka modeli geliştirdi. 'Prior-Fitted Functional Flows' adlı bu sistem, hasta verilerine bakarak ilaçların nasıl emilip metabolize olacağını öngörebiliyor. Model, seyrek ve düzensiz hasta verilerinden öğrenerek, hem sanal hasta grupları oluşturabiliyor hem de gerçek hastaların tedavi süreçlerini tahmin edebiliyor. Sistem, manuel parametre ayarlamaya gerek duymadan çalışabiliyor ve belirsizlik seviyelerini de hesaplayabiliyor. Araştırmacılar, modeli eğitmek için açık erişimli bir literatür veritabanı oluşturdu ve gerçek dünya verilerinde test ettiklerinde mevcut yöntemlerden daha iyi sonuçlar elde etti. Bu gelişme, ilaç geliştirme süreçlerini hızlandırabilir ve kişiselleştirilmiş tıp alanında önemli ilerlemeler sağlayabilir.
Yapay zeka optimizasyonunda çığır açan yöntem: Tamamen parametre-bağımsız algoritma
Araştırmacılar, makine öğrenmesi algoritmalarının performansını artırmak için yeni bir yaklaşım geliştirdi. GRASP adlı bu yöntem, algoritmaların çalışması için gereken parametre ayarlarını otomatik olarak belirleyebiliyor. Geleneksel yöntemler, probleme özgü parametrelerin önceden bilinmesini gerektirirken, yeni sistem hiçbir ön bilgiye ihtiyaç duymadan optimal sonuçlar elde edebiliyor. Bu gelişme, yapay zeka sistemlerinin daha geniş problem türlerinde otomatik olarak çalışabilmesini sağlayacak. Özellikle konveks olmayan optimizasyon problemlerinde ve stokastik ortamlarda etkili olan bu yöntem, manuel ayar gerektiren mevcut sistemlere önemli bir alternatif sunuyor.
Yapay Zeka Modellerinde Veri ve Parametre Arasındaki Gizli Bağlantı Keşfedildi
Büyük dil modellerinin optimizasyonunda şimdiye kadar birbirinden bağımsız görülen iki yaklaşım - veri odaklı ve model odaklı - aslında aynı geometrik yapının farklı yansımaları olduğu ortaya çıktı. Araştırmacılar, veri seçimi ile parametre ayarlamasının matematiksel olarak birbirine denk işlemler olduğunu Fisher-Rao metriği ve Legendre dualitesi kullanarak kanıtladı. Bu keşif, yapay zeka modellerinin eğitim süreçlerini daha verimli hale getirebilir ve veri manipülasyonu ile model ağırlıklarının ayarlanması arasındaki köprüyü kurarak optimizasyon stratejilerinde yeni yaklaşımlar geliştirmemize olanak sağlayabilir.