Xiaoli Li

Un nuovo metodo per adattare i modelli ai dati delle serie temporali senza accesso alla sorgente.

Introducendo un approccio bilanciato per potare efficacemente le reti neurali profonde.

Un nuovo metodo migliora la precisione nella classificazione dei dati delle serie temporali provenienti dai sensori.

Presentiamo un nuovo modo per analizzare i dati complessi dei sensori nel tempo.

CompeteSMoE migliora l'efficienza dell'allenamento e le performance nei modelli Sparse Mixture of Experts.

K-Link migliora l'analisi dei dati MTS grazie a una migliore comprensione dell'interazione dei sensori.

Esplorare come l'IA influisce sullo sviluppo software e le pratiche di coding.

Esplora metodi per migliorare l'efficienza e la sicurezza delle reti neurali profonde.

TSLANet offre una soluzione fresca per analizzare i dati delle serie temporali con una precisione migliorata.

Il framework EverAdapt affronta il riconoscimento dei guasti in condizioni variabili delle macchine.

Un nuovo metodo per adattare i dati delle serie temporali senza bisogno di informazioni di origine.

Scopri come le GNN migliorano le previsioni della vita utile residua per le attrezzature industriali.