Обнаружение источников эпидемий: новые возможности графовых нейронных сетей

В исследовании рассматривается задача определения источника эпидемии в сетевой структуре, где граф, представленный матрицей смежности, и вектор признаков, кодирующий состояние каждого узла, служат входными данными для графовой нейронной сети, позволяющей вычислить вероятностное распределение, указывающее на наиболее вероятный источник распространения заболевания, начиная с узла 1 и развивающегося во времени.

В обзоре рассматривается применение графовых нейронных сетей для точного и эффективного выявления источников распространения инфекций, превосходящего традиционные подходы.

Самообучающиеся сети 6G: Искусственный интеллект на основе рефлексии

Предлагается концепция самооптимизирующегося агента искусственного интеллекта для радиодоступа шестого поколения, основанная на механизме отражения, что позволяет системе адаптироваться и повышать свою эффективность в динамичной среде связи.

Новый подход к управлению ресурсами в сетях шестого поколения позволяет значительно повысить качество обслуживания и энергоэффективность благодаря интеллектуальным агентам, способным к самооптимизации.

От ложных акцентов к чёткой фокусировке: обучение внимания в трансформерах с помощью состязательных методов

Целевая модель генерирует распределения внимания по токенам, выделяя критически важные для маскировки, что призвано ввести в заблуждение Дискриминатор, обученный отличать оригинальные последовательности от замаскированных, при этом совместное использование состязательной обратной связи и потерь классификации направляет Целевую модель к исследованию новых распределений внимания, фокусирующихся на действительно значимых токенах.

Новый подход позволяет трансформерам динамически уточнять распределение внимания без ручной разметки, повышая точность и интерпретируемость в задачах обработки естественного языка.