Teknologi.Bagian dari ensiklopedia.onlineCari/
BerandaKomputasi & perangkat lunakCAREER: Improving Data Efficiency in Deep Learning with Relaxed Symmetry Constraints
Proyek riset & pengembangan

CAREER: Improving Data Efficiency in Deep Learning with Relaxed Symmetry Constraints

Ringkasan tujuan riset

Jaringan saraf relaxed-equivariant menerapkan simetri sebagai kendala lentur untuk meningkatkan efisiensi data ketika sistem fisik nyata menyimpang dari simetri ideal.

Komputasi & perangkat lunak1 rujukanProfil diperbarui
Lihat rujukanBandingkan proyek
Linimasa NSF 2442658Periode tercatat 2025-08-01 sampai 2030-07-31.NSF 2442658MulaiAkhir tercatat202520312025-08-012030-07-31
Linimasa dan catatan proyek

Tanggal dan TRL menurut catatan penerbit. Akhir periode dan target bukan bukti hasil riset.

Teknologi · CC BY 4.0 · Sumber data

Apa tujuan dan pendekatan risetnya?

Arsitektur baru akan belajar simetri pendekatan tanpa memaksakan ekuivarians sempurna pada data yang berderau atau tidak ideal. Proyek meneliti jaminan matematis kinerja serta kestabilan, dan menguji apakah relaksasi juga membantu optimasi pada tugas yang sebenarnya simetris. Aplikasi robotik serta material menjadi tempat evaluasi. Penelitian ditujukan untuk hubungan struktur geometris dengan kebutuhan data lebih rendah, dengan fleksibilitas dan generalisasi sebagai sasaran yang dianalisis.

Profil ini merangkum ruang lingkup proyek yang dipublikasikan National Science Foundation (NSF). Sumber diakses . Uraian pendekatan dan manfaat menyatakan tujuan pengembangan, kecuali sumber secara khusus melaporkan hasil.

Baca uraian penerbit

Konteks pengembangan

Institusi penerima pada catatan
Northeastern University
Program
Robust Intelligence
Periode pendanaan tercatat
2025-08-01 → 2030-07-31

Proyek kolaboratif beberapa institusi diwakili oleh satu catatan penghargaan. Institusi di atas adalah penerima pada catatan tersebut.

Klasifikasi NSF

  • Directorate for Computer and Information Science and Engineering
  • Computing & AI Foundations

Label penerbit dipertahankan sebagai konteks. Bidang katalog merupakan pengelompokan editorial.

Apa yang diketahui tentang statusnya?

Status pendanaan menurut NSFAktif (catatan pendanaan NSF)

Catatan NSF tidak melaporkan tingkat kesiapan teknologi (TRL). Status pendanaan aktif atau berakhir bukan bukti keberhasilan riset.

Batas informasi

Profil merangkum tujuan dan pendekatan dalam abstrak pendanaan NSF. Status pendanaan tidak membuktikan keberhasilan riset, kesiapan teknologi, atau ketersediaan produk. Hasil dan performa belum diverifikasi secara independen; tinjauan ahli belum dilakukan.

Dasar profil

Metodologi dan batas pemeriksaan. Ringkasan berbahasa Indonesia disusun sebagai parafrasa editorial dengan pemeriksaan sumber primer oleh agen AI. Identitas, periode, serta status berasal dari catatan penerbit. Tinjauan ahli dan pengujian kinerja independen belum dilakukan; rujukan tidak menyiratkan dukungan atau sertifikasi NSF.