“transformer modeli” için sonuçlar
8 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
CalM: Beyin Hücresi Aktivitelerini Analiz Eden Yapay Zeka Modeli Geliştirildi
Araştırmacılar, kalsiyum görüntüleme verilerini analiz etmek için CalM adında yeni bir yapay zeka modeli geliştirdi. Bu model, beyin hücrelerinin aktivite izlerini öğrenerek nöral populasyon dinamiklerini tahmin edebiliyor ve farklı nörobilim araştırma alanlarında kullanılabiliyor. CalM, çok sayıda hayvan ve oturum verisi üzerinde eğitilerek, beyin hücresi aktivitelerinin gelecekteki durumlarını öngörebilme yetisi kazandı. Model, özel bir tokenizasyon sistemi ve çift eksenli transformer mimarisi kullanarak hem nöral hem de zamansal bağımlılıkları modelliyor. Bu gelişme, nörobilim araştırmalarında kullanılan analiz yöntemlerini iyileştirme potansiyeline sahip. Geleneksel görev-özel yaklaşımların aksine, CalM farklı nörobilim hedefleri arasında transfer edilebilen genel amaçlı bir temel model olarak tasarlandı.
ORBIT: Tek Hücreli Veri Analizinde Çığır Açan Yapay Zeka Modeli
Araştırmacılar, tek hücreli RNA dizileme verilerinden gen programları arasındaki karmaşık etkileşimleri öğrenebilen ORBIT adlı yeni bir yapay zeka modeli geliştirdi. Bu öz-denetimli transformer modeli, deneysel müdahale verilerine ihtiyaç duymadan, gen programlarının birbirlerini nasıl etkilediğini analiz edebiliyor. 191.890 prefrontal korteks çekirdeği üzerinde yapılan testlerde, ORBIT'in Alzheimer hastalığı ile ilişkili gen aktivasyon yapılarını başarıyla tespit ettiği görüldü. Model, her gen programının diğer programlar üzerindeki yönlü etkisini ölçerek, hücre tipine özgü yol değişikliklerini belirleyebiliyor. Bu teknoloji, hastalıkların hücresel düzeydeki mekanizmalarının anlaşılmasında önemli bir adım.
Endonezya'da AI kullanımına öğrenci tepkilerini ölçen yeni analiz sistemi
Endonezya'daki üniversite öğrencilerinin yapay zekâ teknolojilerine bakış açısını analiz eden yenilikçi bir çalışma, makine öğrenmesi ve transformer modelleri kullanarak duygu analizi gerçekleştirdi. 2.295 öğrenci görüşünün incelendiği araştırmada, geleneksel makine öğrenmesi yöntemleri ile modern derin öğrenme yaklaşımları karşılaştırıldı. Çalışma sonuçları, transformer tabanlı DistilBERT modelinin %84,78 doğrulukla en iyi performansı gösterdiğini ortaya koydu. Bu tür analizler, eğitim kurumlarının AI entegrasyonu süreçlerinde öğrenci görüşlerini daha iyi anlamalarına yardımcı oluyor ve teknoloji kabul süreçlerinin optimize edilmesine katkı sağlıyor.
Yapay Zeka ile Uçak Tasarımında Devrim: AeroTransformer Modeli
Araştırmacılar, uçak ve kanat tasarımında aerodinamik performansı öngörebilen yeni bir yapay zeka modeli geliştirdi. AeroTransformer adlı bu sistem, 30 bin farklı geometrik şekil üzerinde eğitilerek, karmaşık üç boyutlu yapıların hava akışı özelliklerini tahmin edebiliyor. Geleneksel yöntemlerle saatler süren hesaplamalar artık dakikalar içinde tamamlanabiliyor. Bu teknoloji, uçak endüstrisinde tasarım süreçlerini hızlandırarak daha verimli ve çevre dostu uçakların geliştirilmesine katkı sağlayabilir. Model, özellikle ses hızına yakın uçuş koşullarında çalışan kanatların optimizasyonunda başarılı sonuçlar verdi.
Akıllı Gözlük İçin Okuma Tanıma Teknolojisi: 100 Saatlik Veri Seti
Araştırmacılar, sürekli çalışan akıllı gözlükler için kullanıcının ne zaman okuma yaptığını tespit eden yeni bir yapay zeka sistemi geliştirdi. 'Reading in the Wild' adı verilen 100 saatlik video veri seti, gerçek yaşam koşullarında okuma ve okuma dışı aktiviteleri içeriyor. Sistem, egocentric RGB kamera görüntüleri, göz takibi ve baş hareketleri olmak üzere üç farklı veri kaynağını transformer modeli ile birleştirerek çalışıyor. Bu teknoloji, akıllı gözlüklerin kullanıcı davranışlarını daha iyi anlamasını ve bağlamsal yapay zeka deneyimi sunmasını sağlayacak. Araştırma, geleceğin giyilebilir teknolojilerinde önemli bir adım olarak değerlendiriliyor.
Telugu Dili İçin Duygu Analizi: İnsan Merkezli Yapay Zeka Yaklaşımı
Araştırmacılar, 96 milyondan fazla konuşuru olan Telugu dili için yenilikçi bir duygu analizi sistemi geliştirdi. Hindistan'ın önemli dillerinden biri olan Telugu, makine öğrenmesi alanında 'düşük kaynak' kategorisinde yer alıyor. Bilim insanları, sadece doğruluk oranına odaklanmak yerine, yapay zekanın insan düşüncesiyle nasıl uyumlaştırılabileceğini araştırdı. TeSent adlı büyük ölçekli veri setini oluşturdular - bu set Telugu metinlerinin duygu etiketleriyle birlikte, ana dili konuşucularının mantıklı açıklamalarını da içeriyor. Beş farklı transformer modelini test ettikleri araştırmada, insan mantığını model eğitimine dahil etmenin önemini vurguladılar. Bu yaklaşım, özellikle veri kıtlığı yaşanan diller için yapay zeka sistemlerinin daha güvenilir ve yorumlanabilir olmasını sağlayabilir.
Bilimsel Makaleleri Sınıflandırmada Yapay Zeka Modelleri Test Edildi
Araştırmacılar, artan bilimsel literatürü düzenlemek için farklı yapay zeka yaklaşımlarını karşılaştırdı. Çalışmada, bilimsel makaleleri gruplandırma ve sınıflandırma işlemlerinde özet metinleri, yapılandırılmış bilgi üçlüleri ve hibrit yaklaşımlar test edildi. Dört farklı transformer modeli kullanılarak yapılan deneylerde, sade özet metinlerinin en başarılı sonucu verdiği ortaya çıktı. Bu bulgu, karmaşık bilgi yapılarının her zaman daha iyi performans sağlamadığını gösteriyor. Araştırma, bilim insanlarının literatür tarama ve sınıflandırma süreçlerini iyileştirmek için önemli ipuçları sunuyor.
Yapay Zeka Unutma Sorununa Geometrik Çözüm: Sürekli Öğrenmede Yeni Yaklaşım
Yapay zeka sistemlerinin en büyük sorunlarından biri, yeni bilgiler öğrenirken eskilerini unutmasıdır. Stanford araştırmacıları, bu 'katastrofik unutma' sorununu yeni bir geometrik perspektifle inceledi. Çalışma, unutmanın aslında özellik kodlamalarındaki dönüşümlerden kaynaklandığını gösteriyor. Araştırmacılar, bu dönüşümlerin özelliklere ayrılan kapasiteyi azaltarak veya alt seviye hesaplamaların bunları okumasını bozarak unutmaya yol açtığını keşfetti. Vision Transformer modeliyle yapılan deneyler, derinliğin unutma üzerindeki olumsuz etkisini ortaya koydu. Bu yeni yaklaşım, AI sistemlerinin sürekli öğrenme kapasitesini artırmak için umut verici bir yol açıyor.