III: Medium: Human-in-the-loop Visual AI for Precise Scientific Measurement
Pengukuran aktif menggabungkan prediksi kecerdasan buatan yang tidak sempurna dengan umpan balik manusia untuk estimasi ilmiah terukur.
Katalog teknologi — halaman 364
Telusuri profil teknologi beserta ringkasan dan rujukannya.
Profil teknologi
III: Medium: SMARTCAT: Developing Smart Data Catalogs for Data Science and AI
SMARTCAT mengembangkan katalog data cerdas melalui pengayaan metadata, penemuan hubungan dataset, dan pencarian berbasis bahasa alami.
III: Medium: Towards Data-Efficient Decision-Focused Learning: A Modularized Pre-Training and Fine-Tuning Approach
Decision-focused learning modular diteliti melalui prapelatihan lintas tugas, fine-tuning data terbatas, dan pengumpulan data aktif untuk adaptasi optimasi stokastik yang efisien.
III: Optimizing Neural Sparse Representations for Efficient Text Document Retrieval
Retrieval teks neural mengoptimalkan sparsitas adaptif dan encoder kueri asimetris melalui co-training serta fusi bertahap untuk menurunkan latensi dan penyimpanan tanpa kehilangan relevansi penting.
III: Robust and Responsible Reasoning for Privacy-Preserving Image Geolocation
Geolokasi citra akan menggabungkan penalaran vision-language yang transparan dengan kebijakan pengungkapan lokasi dan obfuscation untuk menjaga privasi pengguna.
III: Small: 3D Graph Neural Networks: Completeness, Efficiency, and Applications
Jaringan neural graf tiga dimensi menggabungkan koordinat melalui pengiriman pesan dan hierarki protein untuk mempelajari representasi molekul yang lebih lengkap.
III: Small: A New Machine Learning Paradigm Towards Effective yet Efficient Foundation Graph Learning Models
Model fondasi graf menggabungkan multi-gradient descent, co-training variational expectation–maximization, dan meta-learning mixture-of-experts untuk generalisasi tugas, graf, serta domain yang berbeda secara efisien.
III: Small: Advances in Federated Graph Machine Learning: A Data Perspective
Pembelajaran graf federasi menangani heterogenitas label, struktur, dan fitur sambil memakai gangguan atribut serta pelatihan adversarial untuk perlindungan privasi lokal.
III: Small: Collaborative Research: Fair Data Mining with Insights from Data and Model
Representasi data tanpa label dan penyesuaian Transformer diteliti untuk meningkatkan keadilan keputusan algoritmik dengan biaya anotasi, pelatihan ulang, serta memori GPU lebih rendah.
III: Small: Foundations of Trustworthy Deep Learning: Interpretable Neural Network models with Robustness Guarantees
Jaringan neural berbasis konsep manusia dikembangkan bersama interpretasi otomatis dan verifikasi kekokohan agar penjelasan model tidak mudah berubah akibat gangguan masukan.
III: Small: Harnessing Interpretable Neuro-Symbolic Learning for Reliable Ranking
Learning-to-rank neurosimbolik memakai jaringan logika dan autoencoder yang dapat ditafsirkan untuk menelaah keseimbangan serta ketangguhan ranking.
III: Small: Neural Field Representations for Scientific Visualization
Representasi neural field akan dikembangkan untuk menyintesis visualisasi ilmiah dari sedikit citra rendering serta mendukung kompresi dan rekonstruksi hasil visualisasi.
III: Small: Neural Probabilistic Circuits: Towards Compositional and Interpretable Neuro-Symbolic AI
Neural Probabilistic Circuits memadukan pengenalan atribut oleh jaringan neural dengan penalaran simbolik probabilistik yang dapat dihitung secara terarah.
III: Small: Optimizing Knowledge Utilization in Generative Models to Foster Research Ideation
Generasi ide riset LLM menggabungkan penalaran adversarial saat inferensi, reinforcement learning dengan MDP bertingkat, dan deteksi hallucination berbasis pengetahuan.
III: Small: Query-By-Sketch: Simplifying Video Clip Retrieval Through A Visual Query Paradigm
Query-by-Sketch mencocokkan gambar lintasan buatan pengguna dengan gerakan video melalui active learning dan kemiripan end-to-end yang tahan variasi perspektif serta kamera bergerak.
III: Small: Theoretical Foundations of Hypergraph Learning: Expressiveness and Sample Complexity
Teori pembelajaran hypergraph meneliti message passing tensor, pooling, serta arsitektur isomorphism-invariant dengan PAC-Bayes dan dimensi VC untuk menghubungkan ekspresivitas dan kebutuhan sampel.
III: Small: Toward User-Centric Task-Oriented Dialog Systems via Zero-shot Adaptation and Personalization
Dialog berorientasi tugas memakai pembelajaran penguatan dan umpan balik alat untuk adaptasi zero-shot, pemilihan layanan eksternal, serta personalisasi berdasarkan kebutuhan eksplisit atau tersirat.
III: Small: Towards Efficient Adaptive Federated Learning: Algorithms, Theories, and Applications
Optimasi nonkonveks digunakan meneliti pembelajaran federatif adaptif yang mengurangi komunikasi hiperparameter dan mempercepat pelatihan saat data antaranggota berbeda distribusi.