Derniers articles pour Modèle de substitution

Une nouvelle méthode corrige les prédictions de l'apprentissage automatique dans les applications d'ingénierie.

Une nouvelle méthode combine des techniques basées sur les données avec des principes physiques pour un meilleur modélisation.

Une nouvelle méthode améliore l'efficacité de la conception des masques de phase en vortex grâce à l'apprentissage automatique.

Explore comment les FGM améliorent l'optimisation sous contraintes de données.

La recherche met en avant l'impact de la douceur sur les attaques adversariales dans la génération d'images.

Un nouveau modèle améliore la quantification de l'incertitude dans les systèmes thermohydrauliques nucléaires.

Une nouvelle méthode combinant des modèles de langage avec des stratégies d'optimisation pour de meilleures performances.

Une nouvelle méthode pour améliorer l'optimisation hors ligne dans différents domaines.

Une nouvelle méthode améliore la sécurité et l'efficacité des modèles d'apprentissage automatique.

Nouveau modèle améliore la vitesse et la précision des simulations pour les applications d'ingénierie.

Des recherches mettent en avant de nouvelles méthodes pour s'attaquer à la mauvaise spécification des modèles et améliorer la fiabilité des prédictions.

Une nouvelle méthode intègre des stratégies de recherche locale dans l'optimisation bayésienne pour des problèmes complexes.

La recherche explore des méthodes avancées pour comprendre la nage des poissons et améliorer la conception des robots aquatiques.

Cette étude améliore le design des tubes de descente en utilisant l'apprentissage automatique pour une meilleure efficacité de l'hydroélectricité.

Une nouvelle méthode améliore la précision du modelage de substituts en utilisant des principes physiques.

De nouvelles méthodes améliorent l'efficacité et la précision dans des simulations complexes avec incertitude.

Cette étude évalue l'impact des données de faible fidélité sur les modèles de substitution.

Cette étude évalue les modèles de substitution pour leur efficacité et précision dans les tâches d'optimisation.

Une nouvelle approche utilisant des réseaux de neurones graphiques pour des simulations de matériaux multiscalaires efficaces.

Cet article explore l'optimisation multi-objectifs et l'approche MOEA/D.

Cet article parle des techniques pour estimer avec précision les probabilités d'événements rares.

Une nouvelle approche améliore l'optimisation de conception en utilisant des données existantes et des politiques apprises.

Une nouvelle méthode améliore l'efficacité dans l'optimisation des séquences de protéines.

Un nouveau benchmark améliore les méthodes d'optimisation multi-objectifs hors ligne dans différents domaines.

Une nouvelle méthode améliore l'optimisation des simulateurs boîte noire dans divers domaines.

Une nouvelle méthode améliore la détection de contenu généré par l'IA sans accès aux données du modèle.

Une nouvelle méthode MCMC améliore l'efficacité dans l'analyse de données complexes.

Améliorer la tech des vagues grâce à des designs innovants et des techniques d'optimisation.

Cette étude examine l'intégration des LLM dans les algorithmes évolutionnaires pour l'optimisation.

Explorer le rôle de l'apprentissage actif dans la découverte de médicaments grâce au docking moléculaire.

Examiner le rôle de l'IA explicable pour lutter contre les biais.

Cette étude présente une nouvelle méthode pour optimiser l'attribution des tâches logistiques en utilisant des modèles de simulation.

Présentation de SMoRe GloS pour une meilleure analyse des systèmes complexes avec des modèles basés sur des agents.

Présentation d'une nouvelle méthode pour de meilleures solutions dans des tâches complexes en ingénierie et en robotique.

Un aperçu des méthodes pour améliorer la gestion du flux de boue dans différentes industries.

La fusion de modèles combine différents modèles d'IA pour améliorer les performances sur plusieurs tâches.

De nouvelles méthodes améliorent la précision et l'efficacité des simulations en utilisant différents niveaux de fidélité.

Une étude sur l'utilisation de l'apprentissage actif pour améliorer les modèles DNN pour les équations de diffusion.

Une approche systématique pour l'analyse de sécurité dans des systèmes complexes sous incertitude.

Une nouvelle méthode améliore les prédictions dans des systèmes complexes en utilisant l'apprentissage profond et des processus gaussiens.