在PDE系统的控制问题中，观察对于做出决定很重要。但是，由于传感器的局限性和故障，该观察结果通常在实践中稀疏而缺失。上述挑战会导致数量和方式不确定的观察 ...

天体物理学的许多问题涵盖了空间和时间尺度的多个数量级。在模拟在这些条件下经历快速变化的系统时，必须调整（时间 - ）步长以捕获系统的行为，以捕获系统的行为，并在其他少少的时刻使用较少准确的时间步骤。我们遇到了传统方法的三个问题 ...

近年来，深入的强化学习已成为解决闭环流控制问题的技术。采用基于仿真的环境进行增强学习，可以对控制系统进行先验的端到端优化，为安全至关重要的控制应用程序提供虚拟测试床，并允许对控制机制有深入的了解。尽管增强学习已成功地应用于许多相当简单的流控制基准中，但针对现实世界应用的主要瓶颈是流程模拟的高计算成本和周转时间 ...

生成人工智能为希望从事影响力的对手提供了一种强大的工具，例如中国垃圾赛事和俄罗斯互联网研究机构的工作，他们都试图干预最近的美国大选周期。因此，本研究试图研究当前生成AI模型在选举周期内产生有害虚假信息的倾向。评估给予对抗提示时，不同的生成AI模型在评估给予对抗提示时产生虚假信息的可能性，此外是相关的危害 ...

在许多具有大量训练数据和计算的现实机器学习应用中，神经网络扩展对于提高模型质量至关重要。尽管这种扩展趋势被认为是提高模型质量的必然方法 ...

提高移动设备的可访问性和自动化功能可能会对无数用户的日常生活产生重大积极影响。为了刺激这一方向的研究，我们释放了一个具有大约500K独特注释的人类通知数据集，旨在增加对UI元素功能的理解。该数据集增加了图像并查看RICO的层次结构，RICO是一个大的移动UI数据集，基于图标的注释，基于它们的形状和语义，以及不同元素及其相应文本标签之间的关联，从而大大增加了UI元素的数量以及分配给它们的类别 ...

医疗时间序列通常是不规则的，并且面临着严重的遗失，对数据分析和临床决策提出了挑战。现有方法通常采用单个建模的角度，将串联数据视为序列，或将其转换为图像表示形式以进行进一步分类。在本文中，我们提出了一个结合序列和图像表示的联合学习框架 ...

尽管CNN在各种视觉任务上取得了最新的性能，但它们很容易受到对抗性示例的影响 - 通过添加人类侵蚀性的扰动来清洁图像。但是，大多数现有的对抗性攻击只能在具有挑战性的黑框设置下实现相对较低的成功率，因为​​攻击者对模型结构和参数不了解。为此，我们建议通过创建各种输入模式来提高对抗性示例的可传递性 ...