Xiaoli Li

Um novo método para adaptar modelos a dados de séries temporais sem acesso à fonte.

Apresentando uma abordagem equilibrada para podar redes neurais profundas de forma eficaz.

Um novo método melhora a precisão na classificação de dados de séries temporais de sensores.

Apresentando uma nova maneira de analisar dados complexos de sensores ao longo do tempo.

CompeteSMoE melhora a eficiência de treinamento e o desempenho em modelos de Mistura Esparsa de Especialistas.

A K-Link melhora a análise de dados MTS através de uma melhor compreensão da interação com os sensores.

Explorando como a IA impacta o desenvolvimento de software e as práticas de codificação.

Explore métodos para melhorar a eficiência e a segurança de redes neurais profundas.

O TSLANet oferece uma solução nova pra analisar dados de séries temporais com mais precisão.

O framework EverAdapt lida com a identificação de falhas em condições de máquinas que mudam.

Um método novo pra adaptar dados de séries temporais sem precisar de informações da fonte.

Aprenda como as GNNs melhoram as previsões de Vida Útil Remanescente para equipamentos industriais.