图形卷积网络（GCN）及其变体引起了极大的关注，并已成为学习图表的事实上的方法。 GCN的灵感主要来自最近的深度学习方法，因此，可能会继承不必要的复杂性和冗余计算。在本文中，我们通过连续消除非线性和连续层之间的非线性矩阵来降低这种过剩的复杂性 ...
我们引入clusterllm，这是一种新颖的文本聚类框架，它利用来自指令调整的大型语言模型（例如 chatgpt）的反馈。与基于“小型”，clusterllm具有两个有趣的优势：（：1），即使其嵌入不可访问，它也具有llm 的涌现能力；（2）它通过文本指令和/或一些带注释的数据了解用户对聚类的偏好。首先，它通过文本指令和，我们通过构建困难的三元组问题 ...
在动荡环境中识别气源对关键应用（例如环境监测和应急响应）提出了重大挑战。通过一种将分布式IoT智能传感器与基于贝叶斯推理和蒙特卡洛采样技术的算法结合的方法来解决此问题。这种算法采用环境的概率模型来解释从一系列静态传感器获得的气体读数，以估计源位置 ...
医疗时间序列在现实世界中的医疗保健系统中发挥了至关重要的作用，作为监测患者健康状况的宝贵信息。医疗时间序列的准确分类，例如 ...
由于时间依赖性复杂和市场波动，财务时间序列的预测仍然是一项具有挑战性的任务。这项研究探讨了混合量子古典方法的潜力，通过利用量子资源来改善功能表示和学习来协助财务趋势预测。引入了定制的量子神经网络（QNN）回归剂，该回归剂设计采用适合财务应用的新颖Ansatz ...
引入了一种黑框光谱方法，以评估给定机器学习（ML）模型的对抗鲁棒性。我们的方法（名为Spade）利用了用于近似于输入/输出数据对应的歧管的输入/输出图之间的射击距离映射。通过利用广义的Courant-Fischer定理，我们提出了一个用于评估给定模型的对抗性鲁棒性的锹分数，事实证明，这是在歧管设置下最好的Lipschitz常数的上限 ...
检索增强的生成（RAG）通过整合外部知识来增强大语言模型（LLM）答案的可靠性。但是，RAG增加了端到端的推理时间，因为从大型矢量数据库中寻找相关文档的计算昂贵。为了解决这个问题，我们介绍了接近度，这是一个近似的键值缓存，通过利用用户查询中的相似性来优化抹布工作流 ...
自回归（AR）模型在产生高保真音乐方面表现出了令人印象深刻的能力。但是，AR模型中传统的下一步预测范式与音乐作品中的人类创造过程不符，可能会损害生成的样本的音乐性。为了克服这一局限性，我们介绍了Musicot，这是一种新颖的经济链（COT），提示为音乐发电量身定制的技术 ...
