“tahmin algoritmaları” için sonuçlar
4 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
Yapay sinir ağları geçmişi hatırlayarak geleceği tahmin etmeyi öğreniyor
Bilim insanları, biyolojik beyin hücrelerinin çalışma prensiplerini taklit eden yeni bir yapay sinir ağı geliştirdi. PCL+ adlı bu sistem, geçmiş bilgileri kısa süreli hafızasında saklayarak gelecekte ne olacağını tahmin edebiliyor. İnsan beyninin görsel korteksinde gerçekleşen öğrenme süreçlerini taklit eden bu teknoloji, eksik görüntü parçalarını tamamlayabilme ve hareket tanıma gibi karmaşık görevlerde başarılı sonuçlar verdi. Araştırmacılar, sinir hücrelerinin birbirleriyle olan bağlantılarında gecikme sürelerini öğrenerek, yakın geçmişteki bilgileri muhafaza etme becerisini geliştirmeyi başardı. Bu çalışma, yapay zekanın daha biyolojik prensiplerle çalışan sistemler geliştirilmesi yönünde önemli bir adım olarak değerlendiriliyor.
Yapay Zeka ile Çok Portlu Sistemlerin Yük Tahmini %46 Daha Doğru Hale Geldi
Araştırmacılar, iletişim ve ölçüm sistemlerinde kritik öneme sahip çok portlu dağıtıcıların yük değerlerini tahmin etmek için yenilikçi bir yapay zeka yaklaşımı geliştirdi. 'Kümeleme-ardından-tahmin' adı verilen iki aşamalı yöntem, S-parametreleri ve yük empedansları arasındaki karmaşık ilişkileri daha iyi anlayarak tahmin hatalarını %46'ya kadar azaltmayı başardı. Çalışma aynı zamanda birbiriyle çelişen objektifleri olan metrikleri değerlendirmek için Gerçek Dünya Birleşik İndeksi (RUI) adlı yeni bir ölçüm yöntemi sunuyor.
Horseshoe Yöntemi ile Matematiksel Tahmin: Seyrek Veriler için Yeni Çığır
Stanford ve diğer önde gelen üniversitelerden araştırmacılar, seyrek Gaussian veri modellerinde tahmin yapma konusunda önemli bir ilerleme kaydetti. Horseshoe adı verilen sürekli karışım önsel dağılımını kullanan yeni yaklaşım, geleneksel kesikli karışım yöntemlerinden farklı olarak daha esnek bir çözüm sunuyor. Çalışma, seyreklik seviyesi bilinen durumlar için tahmin edici Bayes yönteminin asimptotik minimax optimalliğini matematiksel olarak kanıtlıyor. Araştırmacılar ayrıca 'Horseshoe spektroskopisi' adını verdikleri yeni bir teknikle, posterior tahmin yoğunluğunun Gaussian-karışım temsilini geliştirdi. Bu yaklaşım, seyreklik bilinmediğinde bile adaptif geçiş yapabilen hiyerarşik bir Bayesian çerçeve sunuyor ve makine öğrenmesinden signal processing'e kadar geniş uygulama alanları vaat ediyor.
Kuantum Bilgisayarlarda Yeni Mimari: Gürültülü Ortamlarda Daha Az Kaynak
Araştırmacılar, kuantum bilgisayarlar için 'parite açılımı' adlı yeni bir hata toleranslı mimari geliştirdi. Bu yaklaşım, geleneksel gate setleri yerine küçük açılı rotasyonları doğrudan hazırlayıp aktararak çalışıyor. Yeni sistem, özellikle Kuantum Fourier Dönüşümü ve faz tahmin algoritmaları gibi uygulamalarda kaynak ihtiyacını önemli ölçüde azaltabiliyor. Düzlemsel bir çip üzerinde en yakın komşu bağlantısı ile çalışan bu mimari, gürültülü kuantum sistemlerde daha verimli hesaplama imkanı sunuyor.