Tao Lin

Explorando o potencial de modelos de peso amarrado com múltiplas máscaras em aprendizado de máquina.

O JUNO tem como objetivo melhorar a detecção de neutrinos de supernovas de colapso do núcleo.

A JUNO usa novas ferramentas de software pra facilitar a pesquisa e a análise de dados de neutrinos.

Conjuntos de dados dinâmicos aumentam o aprendizado do modelo e reduzem as necessidades de recursos.

O Client2Vec melhora o aprendizado federado criando identificadores únicos para os dados dos usuários.

Esse estudo examina como o viés afeta as mudanças de crença em várias áreas.

Uma nova estrutura melhora o desempenho de modelos grandes de forma eficiente durante o ajuste fino.

O JUNO quer desvendar os mistérios dos neutrinos usando técnicas avançadas de processamento de dados.

Bancos de memória externa melhoram os modelos de difusão pra criar imagens e sons melhores.