Weitong Chen

Une étude sur l’efficacité de KAN par rapport aux méthodes traditionnelles dans l’analyse des séries temporelles.

S'attaquer aux défis des attaques adverses sur les réseaux de neurones pour les séries temporelles.

Cette étude améliore la classification des séries temporelles en utilisant des techniques de lissage de labels doux.

AWF améliore la segmentation sémantique en empêchant l'oubli catastrophique dans les modèles d'apprentissage machine.

Une nouvelle approche d'auto-ensemble améliore la résilience du modèle face aux changements adverses.

Un nouveau système améliore la précision et l'efficacité de la traduction de code en utilisant des agents spécialisés.