“yapay sinir ağı” için sonuçlar
32 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
UCLA'dan devrim niteliğinde hibrit projektör: 16 kat daha net görüntü
California Üniversitesi Los Angeles (UCLA) araştırmacıları, görüntü projeksiyon teknolojisinde çığır açacak bir sistem geliştirdi. Yapay sinir ağı tabanlı dijital kodlayıcı ile pasif optik çözücüyü birleştiren bu hibrit sistem, süper çözünürlüklü görüntüleri geniş derinlik alanında sunarken, veri sıkıştırma kapasitesini 16 kat artırıyor. Sistemin en dikkat çekici özelliği, çözüm aşamasında ek güç gerektirmemesi. Bu özellik, özellikle sanal ve artırılmış gerçeklik uygulamaları için büyük avantaj sağlıyor. Teknoloji, hem veri aktarım verimliliğini artırıyor hem de enerji tüketimini minimize ediyor. Geliştiriciler, bu yeniliğin gelecek nesil görüntüleme sistemlerinde önemli bir dönüm noktası olacağını belirtiyor.
Biyomoleküler Reaksiyonları Tahmin Eden Yeni Algoritma Geliştirildi
Araştırmacılar, biyomoleküler süreçlerin uzun vadeli kinetiklerini hesaplamak için yeni bir algoritma geliştirdi. Committor-guided Milestoning (CoM) olarak adlandırılan yöntem, kısa trajektori simülasyonları ve yapay sinir ağlarını kullanarak, geleneksel yöntemlere kıyasla çok daha hızlı ve doğru sonuçlar elde ediyor. Bu breakthrough, protein katlanması ve ilaç tasarımı gibi alanlarda kritik öneme sahip biyomoleküler reaksiyonların anlaşılmasını kolaylaştıracak. Yöntem, özellikle atom düzeyindeki simülasyonlarda karşılaşılan hesaplama zorluklarını aşarak, bilim insanlarına büyük zaman tasarrufu sağlıyor.
Binlerce GPU ile Dev Yapay Sinir Ağları Kurulabilecek
Araştırmacılar, insan beyninin yapısından ilham alarak binlerce GPU kullanabilen yeni bir yapay sinir ağı simülasyon yöntemi geliştirdi. İnsan korteksinin 10 milyar nöron ve trilyonlarca sinaptik bağlantısını taklit eden bu sistem, süper bilgisayarlarda büyük ölçekli hesaplamalı nörobilim araştırmaları yapılmasını sağlayacak. Yöntem, her işlemci biriminin kendi yerel bağlantılarını kurmasına ve veri alışverişini verimli şekilde yönetmesine dayanıyor. Bu gelişme, beyin hastalıklarının anlaşılmasından yapay zeka uygulamalarına kadar geniş bir araştırma yelpazesinde kullanılabilecek.
Fizik Laboratuvarlarında Yapay Zeka Devrimi: Sarkaç Deneyi Yeni Boyut Kazandı
Fizik eğitiminde yapay sinir ağları kullanımını araştıran yeni bir çalışma, geleneksel bileşik sarkaç deneyini makine öğrenmesiyle harmanlayarak çığır açıyor. Araştırmacılar, öğrencilerin yerçekimi ivmesini hesaplarken hem klasik analitik yöntemleri hem de yapay zeka modellerini kullanmalarını sağlayan hibrit bir yaklaşım geliştirdi. Bu yenilikçi metot, geleneksel yöntemleri tamamen değiştirmeyi değil, onları desteklemeyi amaçlıyor. Öğrenciler önce sarkaç parametrelerini ölçerek standart yöntemlerle yerçekimi ivmesini hesaplıyor, ardından aynı verileri yapay sinir ağı modeli eğitmek için kullanıyor. Çalışma, fizik eğitiminde veri analizi becerilerinin geliştirilmesi ve modern teknolojinin laboratuvar deneyimlerine entegrasyonu açısından önemli bir adım teşkil ediyor.
Yapay zeka modelleri insan yüz algısının sırrını çözmeye yaklaşıyor
Stanford araştırmacıları, insan beyninin yüzleri nasıl algıladığını anlamak için altı farklı yapay sinir ağı modelini karşılaştırdı. 864 katılımcıyla yapılan deneylerde, yüksek seviyeli ve değişmez yapıları öncelleyen modellerin (ters işleme, yüz tanıma veya nesne sınıflandırması ile eğitilmiş) insan yargılarına en yakın sonuçları verdiği ortaya çıktı. Araştırma, yüz algısının temelinde yatan hesaplamalı mekanizmaları aydınlatarak, hem bilişsel bilimler hem de yapay zeka teknolojileri için önemli ipuçları sunuyor.
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 modeli beynin görsel haritalarının nasıl oluştuğunu açıkladı
Stanford araştırmacıları, primat beyninin görsel korteksindeki karmaşık organizasyonun nasıl ortaya çıktığını yapay zeka ile modellediler. Doğal videolarla eğitilen 3D yapay sinir ağı, beynin hareket algısından sorumlu MT bölgesindeki yön haritalarını kendiliğinden geliştirdi. Bu çalışma, beynin farklı görsel işleme yollarının benzer evrensel ilkeler tarafından şekillendiğini gösteriyor. Bulgular, hem nörobilim hem de yapay zeka açısından önemli: beynin nasıl çalıştığını anlamamıza katkı sağlarken, daha biyolojik olarak gerçekçi AI sistemleri geliştirmek için yeni yollar açıyor.
Beynin Beyincik-Korteks İşbirliği Yapay Zekayı Daha Hızlı Öğretiyor
Araştırmacılar, beynin beyincik ve korteks bölgeleri arasındaki işbirliğinden esinlenerek yeni bir yapay sinir ağı geliştirdi. Bu hibrit sistem, geleneksel yapay sinir ağlarına göre zamana bağlı görevleri çok daha hızlı öğreniyor ve daha yüksek performans sergiliyor. Çalışma, beyinciğin öğrenmedeki kilit rolünü ortaya koyuyor: korteks bölümü minimal eğitimden sonra sabitlendiğinde bile, beyincik benzeri modül tek başına üstün öğrenme verimliliği sağlayabiliyor. Bu bulgu, korteksin sabit bir rezervuar gibi çalışırken beyinciğin asıl öğrenme motorunu oluşturduğunu gösteriyor.
Beyin Benzeri Yapay Zeka: Daha Hızlı ve Kararlı Öğrenme Sistemi Geliştirildi
Araştırmacılar, beynin çalışma prensiplerinden ilham alarak yeni bir yapay sinir ağı geliştirdi. FRE-RNN adı verilen bu sistem, geleneksel yapay zeka modellerinin aksine beynin doğal öğrenme mekanizmalarını taklit ediyor. Equilibrium Propagation (EP) çerçevesinde çalışan bu yeni yaklaşım, daha önce karşılaşılan kararsızlık ve yüksek hesaplama maliyeti sorunlarını çözmeyi başardı. Geri bildirim düzenlemesi sayesinde hızlı yakınsama sağlayan sistem, hesaplama maliyetini büyük oranda azaltıyor. Ayrıca beyin yapısından esinlenen bağlantı topolojileri kullanarak gradient kaybolması problemini de çözüyor. Bu gelişme, beyin-benzeri donanım sistemleri için önemli bir adım teşkil ediyor.
Uzayda Çalışacak Yapay Sinir Ağları: Nötron Bombardımanı Altında Test
Araştırmacılar, uzay ve havacılık gibi yüksek radyasyon ortamlarında kullanılması planlanan nöromorfik işlemcileri test etmek için yeni bir metodoloji geliştirdi. ODIN adlı spike tabanlı sinir ağı işlemcisi, yüksek enerjili nötron ışınlarına maruz bırakılarak dayanıklılığı ölçüldü. Test sırasında sistem, MNIST veri setinde sınıflandırma görevlerini yerine getirmeye devam etti. En dikkat çekici bulgu, çevrimiçi öğrenme özelliğinin etkinleştirilmesinin, sistemin radyasyon hasarına karşı direncini önemli ölçüde artırmasıydı. Bu çalışma, gelecekte uzay misyonlarında kullanılacak yapay zeka sistemlerinin tasarımı için kritik veriler sunuyor.
Yeni yapay sinir ağı mimarisi dışbükey fonksiyonları öğrenmede devrim yaratıyor
Araştırmacılar, dışbükey fonksiyonları öğrenme konusunda çığır açan Hyper Input Convex Neural Networks (HyCNN) adlı yeni bir yapay sinir ağı mimarisi geliştirdi. Bu yenilikçi sistem, Maxout ağları ile giriş dışbükey sinir ağlarının (ICNN) güçlü yönlerini birleştiriyor. HyCNN'ler, kuadratik fonksiyonları yaklaşık olarak modellemek için ICNN'lere kıyasla üssel olarak daha az parametre gerektiriyor. Yapılan deneyler, yeni mimarinin dışbükey regresyon ve interpolasyon görevlerinde mevcut ICNN'leri ve çok katmanlı algılayıcıları (MLP) geride bıraktığını gösteriyor. Özellikle yüksek boyutlu optimal transport haritalarının öğrenilmesinde ve tek hücreli RNA sekanslama verilerinin analizinde üstün performans sergiliyor. Bu gelişme, makine öğrenmesinde dışbükey optimizasyon problemlerinin çözümü için önemli bir adım teşkil ediyor.
Radyo Dalgalarıyla Uzaktan Yapay Sinir Ağı Eğitimi Gerçekleştirildi
Araştırmacılar, manyetik tünel bağlantıları kullanarak radyo frekansı sinyalleriyle uzaktan kontrol edilebilen yeni bir yapay sinir ağı geliştirdi. Bu sistem, her sinaps için ayrı bağlantı gerektirmeden 11 adet manyetik bileşeni radyo dalgalarıyla programlayabiliyor. Geliştirilen 22 sinapslı ağ, aynı donanım üzerinde hem el yazısı rakam tanıma hem de drone RF imzası belirleme görevlerini başarıyla gerçekleştirdi. Bu yenilikçi yaklaşım, bellek içi hesaplama sistemlerinin ölçeklenebilirlik sorununa çözüm sunarak, daha verimli ve esnek yapay zeka donanımları geliştirilmesine olanak sağlıyor.
Yapay Zeka ile Işık Mikroskobunda Çığır Açan Gelişme: 100 Nanometre Altı Görüntüleme
Bilim insanları, optik mikroskobun temel sınırını aşmak için yapay zeka tabanlı yeni bir yöntem geliştirdi. Geleneksel mikroskoplar, ışığın dalga boyundan daha küçük yapıları net göremezken, araştırmacılar süper-salınım odaklama ve çıkarma görüntüleme tekniklerini tek bir yapay sinir ağı sisteminde birleştirdi. Bu yenilikçi yaklaşım, manuel ayarlamalar gerektiren geleneksel iki aşamalı süreçleri ortadan kaldırıyor. Sistem, Debye integral hesaplamalarını kullanarak vektörel optik hesaplamalar yapabiliyor ve 100 nanometreden daha küçük yapıları görüntüleyebiliyor. Bu gelişme, malzeme bilimi, biyoloji ve nanoteknoloji alanlarında devrim yaratabilecek potansiyele sahip.
Robotlar Artık Daha Güvenli Kavrayabilecek: Yeni Yapay Sinir Ağı Yaklaşımı
Stanford Üniversitesi araştırmacıları, robotların nesneleri kavrarken karşılaştığı belirsizlikleri ele alan yeni bir yapay zeka sistemi geliştirdi. Geleneksel robotik kavrama sistemleri, beklenmedik durumlarla karşılaştıklarında sıklıkla başarısız oluyor. Yeni sistem, olasılıksal modelleme ve varyasyonel çıkarım tekniklerini kullanarak, robotların daha güvenilir bir şekilde nesne kavramasını sağlıyor. Araştırmada, temas belirsizliği, sensör gürültüsü ve dış müdahaleler gibi gerçek dünya koşulları göz önünde bulundurularak, risk-duyarlı bir yaklaşım benimsenmiş. Bu gelişme, endüstriyel otomasyon, sağlık robotları ve günlük yaşam asistanları gibi alanlarda daha güvenilir robotik uygulamaların önünü açabilir.
Kuantum Denklemler İçin Yeni Yapay Zeka Algoritması Geliştirildi
Araştırmacılar, kuantum fiziğinde önemli olan Gross-Pitaevskii denklemlerini çözmek için yeni bir yapay sinir ağı algoritması geliştirdi. SD-FSNN adı verilen bu yöntem, geleneksel hesaplama yöntemlerinin aksine boyut sayısından bağımsız çalışabiliyor ve exponansiyel maliyet artışını önlüyor. Algoritma, ağırlık ve bias değerlerini rastgele örnekleyerek gradient tabanlı optimizasyon yöntemlerinden hem hız hem de doğruluk açısından üstün performans gösteriyor. Özellikle sonsuz uzayda tanımlı yüksek boyutlu problemlerde etkili olan bu yaklaşım, kuantum mekaniksel sistemlerin modellenmesinde önemli ilerlemeler sağlayabilir.
Fermi Sets: Kuantum sistemleri için yeni yapay zeka mimarisi geliştirildi
Araştırmacılar, fermiyonik çok-cisim sistemlerini modellemek için Fermi Sets adında yenilikçi bir yapay sinir ağı mimarisi geliştirdi. Bu mimari, kuantum mekaniğinin temel prensiplerini koruyarak karmaşık parçacık sistemlerini daha az hesaplama gücüyle modelleyebiliyor. Sistem, antisimetrik ve simetrik fonksiyonları birleştirerek evrensel yaklaşım sağlıyor. En dikkat çekici yanı, boyut sayısına bağlı olarak ihtiyaç duyulan temel fonksiyon sayısının oldukça sınırlı olması - tek boyutta sadece bir, iki boyutta iki temel fonksiyon yeterli. Bu gelişme, kuantum fiziği hesaplamalarında önemli verimlilik artışı sağlayabilir ve malzeme bilimi ile kuantum kimyası alanlarında yeni araştırma kapıları açabilir.
Elektrik Rezonatörlerle Yapay Sinir Ağı: Analog Hesaplama Çığır Açıyor
Araştırmacılar, birbirine bağlı elektrik rezonatörlerinden oluşan tamamen analog bir sinir ağı sistemi geliştirdi. Bu yenilikçi tasarım, geleneksel dijital sistemlere kıyasla çok daha hızlı ve enerji verimli çalışabiliyor. Metacircuit adı verilen mimari, fiziksel donanım üzerinde eğitilmiş sinir ağı parametrelerinin doğrudan uygulanmasını mağdun kılıyor. Sistem, yerel rezonatörler ve global dirençli bağlantıların birlikte eğitilmesiyle frekansa bağlı negatif dirençler üretebiliyor. Bu gelişme, özellikle kenar cihazlarda yapay zeka uygulamaları için önemli fırsatlar sunuyor.
Yapay Zeka ile Karmaşık Malzeme Geçiş Problemleri Çözülüyor
Araştırmacılar, heterojen ortamlarda malzeme geçiş problemlerini çözmek için yeni bir derin öğrenme çerçevesi geliştirdi. FOSLS (First-Order System Least-Squares) yöntemiyle güçlendirilen bu sistem, malzeme özelliklerindeki büyük farklılıkların olduğu durumlarda bile kararlı sonuçlar üretiyor. Geleneksel yapay sinir ağı yaklaşımlarının zorlandığı yüksek malzeme kontrastlı ortamlarda, bu yeni yöntem enerji tabanlı optimizasyon sayesinde daha güvenilir çözümler sunuyor. Sistem aynı zamanda pasif varyans azaltma özelliği göstereyor, yani hatalar azaldıkça gradient varyansı da kendiliğinden düşüyor.
Çift Kollu Havacı Robotlarda Yapay Zeka Destekli Kontrol Sistemi Geliştirildi
Araştırmacılar, çift kollu insansız hava araçları (drone-robot hibrit sistemler) için yeni bir yapay sinir ağı tabanlı kontrol sistemi geliştirdi. Bu sistemler hem uçabilen hem de iki kol ile manipülasyon yapabilen gelişmiş robotlar olup, arama-kurtarma, inşaat ve endüstriyel uygulamalarda büyük potansiyele sahip. Ancak drone platformu ile çift kolun arasındaki karmaşık etkileşim, dış bozucular ve modellenmemiş dinamikler nedeniyle kontrol edilmeleri son derece zor. Yeni yaklaşım, sinir ağlarının yaklaşım yeteneklerini kullanarak sistemi adaptive olarak kontrol ederken, olay-tetikli mekanizma ile iletişim yükünü azaltıyor. Bu sayede hem enerji tasarrufu sağlanıyor hem de daha kararlı operasyon elde ediliyor. Sistem teorik olarak kararlılık garantileri sunuyor.
Yapay Sinir Ağları Kendiliğinden Dil Bilgisi Kuralları Geliştirdi
Araştırmacılar, sadece 18.658 parametreli küçük bir yapay sinir ağının, herhangi bir dil bilgisi kuralı öğretilmeden kendiliğinden söz dizimi işleme yeteneği geliştirebildiğini keşfetti. İki boyutlu hücresel otomat şeklinde tasarlanan bu sistem, yalnızca basit bir sınır sinyali ile eğitildikten sonra, matematiksel ifadelerin dil bilgisi yapısını anlayabilecek düzeyde organize oldu. Sistem, eğitim verilerinin ötesinde genelleme yapabiliyor ve dil bilgisi yapısıyla %71 oranında uyumlu bir iç organizasyon sergilemeyi başarıyor. Bu bulgu, karmaşık dil işleme yeteneklerinin nasıl ortaya çıkabileceği konusunda önemli ipuçları sunuyor.
Yapay Zeka ile Malzeme Sınırlarını Takip Eden Yeni Modelleme Yöntemi
Bilim insanları, hareket halindeki malzeme sınırlarını takip edebilen yeni bir yapay zeka tabanlı modelleme sistemi geliştirdi. LaSDI-IT adı verilen bu framework, şok dalgalarının gözenekli malzemelerde yarattığı karmaşık değişimleri az veriyle modelleyebiliyor. Sistem, fiziksel alanları ve malzeme bölgelerini aynı anda yeniden yapılandıran özel bir yapay sinir ağı mimarisi kullanıyor. Geleneksel yöntemlerin aksine detaylı fizik modellerine ihtiyaç duymadan, malzeme sınırlarındaki keskin değişimleri yakalayabiliyor. Bu teknoloji, savunma sanayisinden malzeme mühendisliğine kadar pek çok alanda uygulanabilir.
Yapay Sinir Ağları Karmaşık Matematiksel Denklemleri Çözmeyi Öğreniyor
Araştırmacılar, farklı şekillerdeki alanlarda karmaşık matematiksel denklemleri çözen yapay sinir ağı sistemleri geliştirdi. Bu yenilikçe yaklaşım, geometrik şekil değişikliklerini matematiksel parametreler haline getirerek, sinir ağlarının kısmi diferansiyel denklemleri daha etkili çözmesini sağlıyor. Çalışma, mühendislikten fiziğe kadar birçok alanda kullanılan matematiksel modelleme süreçlerini hızlandırabilir. Sistem, farklı şekillerdeki problemleri ortak bir referans alanına dönüştürerek, tek bir model ile çoklu geometrik konfigürasyonlarda çözüm üretebiliyor. Bu gelişme, bilimsel hesaplamalarda yapay zekanın rolünü artırırken, karmaşık mühendislik problemlerinin çözüm süresini önemli ölçüde kısaltma potansiyeli taşıyor.
Yapay Zeka Artık Hava Durumunu Fotoğraftan Anlık Olarak Tahmin Edebiliyor
Araştırmacılar, fotoğraflardan hava durumunu gerçek zamanlı olarak sınıflandırabilen üç farklı yapay sinir ağı mimarisi geliştirdi. Bu modeller güneşli, yağmurlu, karlı ve sisli hava koşullarını görüntülerdeki stil özelliklerini analiz ederek tespit edebiliyor. Çalışmada öne çıkan yaklaşımlar arasında çoklu yama boyutları kullanan Multi-PatchGAN, sadeleştirilmiş ResNet50 ve dikkat mekanizmalı Gram matrisi tabanlı model yer alıyor. Bu gelişme, meteoroloji uygulamaları, akıllı şehir sistemleri ve otonom araçlar için önemli bir adım teşkil ediyor. Özellikle görüntülerdeki ince stil detaylarını yakalayabilen bu sistemler, geleneksel hava durumu tahmin yöntemlerini destekleyici bir rol oynayabilir.
Uzman Karışımı Modelleri Nesne Tespitinde Yeni Ufuklar Açıyor
Yapay zeka araştırmacıları, nesne tespit sistemlerinin performansını artırmak için 'uzman karışımı' yaklaşımını kullanmaya başladı. Bu yenilikçi yöntem, farklı alanlarda uzmanlaşmış birden fazla yapay sinir ağını akıllı bir şekilde birleştirerek, tek bir sistemin yapabileceğinden daha karmaşık görme görevlerini başarıyla yerine getirebiliyor. Araştırmacılar, YOLO tabanlı tespit sistemlerini özel veri kümeleri üzerinde eğittikten sonra, hangi uzmanın ne zaman devreye girmesi gerektiğini belirleyen akıllı bir ağ geçidi sistemi geliştirdi. Bu yaklaşım, geleneksel topluluk öğrenme yöntemlerinden farklı olarak daha açıklanabilir ve yorumlanabilir sonuçlar sunuyor. BDD100K veri seti üzerinde yapılan deneyler, sistemin farklı senaryolarda uzmanları dinamik olarak seçerek başarılı sonuçlar elde edebildiğini gösteriyor.