Cheng Wang

Une nouvelle méthode pour peaufiner les modèles tout en garantissant la confidentialité des données.

Cette étude se concentre sur le développement de modèles pour des matériaux isolants topologiques.

Améliorer la précision des méthodes numériques pour l'analyse de la séparation de phases.

PadFL améliore le partage de modèles et l'efficacité selon les capacités des appareils.

Un nouveau cadre vise à améliorer la précision et l'efficacité dans l'analyse des images médicales.

Améliorer les méthodes numériques pour les flux de gradient avec une approche de multiplicateur de Lagrange modifié.

Faire des recherches sur la stabilité énergétique dans les simulations de cristaux améliore les prévisions du comportement des matériaux.

Améliorer la confiance et la conformité dans les modèles de langage grâce à une attribution précise des sources.

Nouvelles méthodes améliorent l'efficacité des réseaux de neurones profonds, réduisant la consommation d'énergie et augmentant la vitesse.

La recherche propose un modèle qui traite de la séparation de phase dans des matériaux mélangés avec des effets de bord.

TrackSSM améliore la précision de suivi pour des objets dynamiques dans différents environnements.

Apprends comment la kurtosis influence le comportement des données dans différents domaines.

HiSC4D capture le mouvement humain avec des capteurs portables pour une meilleure analyse des interactions.

Des chercheurs utilisent du niobate de lithium en couche mince pour améliorer les lasers et les systèmes de communication.

Une nouvelle méthode améliore la précision des SDF en utilisant l'équation de Poisson filtrée.

De nouvelles méthodes améliorent la prise de décision dans les voitures autonomes, renforçant la sécurité et l'efficacité.

Explore l'importance de la corrélation de rang de Spearman pour analyser des relations complexes dans les données.