Нейронные эксперты: гибкое моделирование и понятная точность

Предлагаемая структура нейронного аддитивного эксперта (NAE) динамически оценивает вклад множества специализированных предикторов для каждой характеристики, суммируя их взвешенные вклады для формирования итогового предсказания, что обеспечивает как интерпретируемость модели, так и гибкость в отображении сложных взаимосвязей.

Новый подход к построению нейронных сетей позволяет комбинировать экспертные модели с динамическим управлением, обеспечивая баланс между производительностью и интерпретируемостью.

Неравномерные данные – слабое место в обнаружении уязвимостей

Наблюдается распределение типов уязвимостей в наборах данных для обучения, валидации и тестирования, где ось абсцисс отражает идентификатор типа уязвимости (детализированные сведения представлены в Таблице 2), а ось ординат - количество соответствующих образцов в каждом наборе.

Новое исследование показывает, что проблема дисбаланса в обучающих данных серьезно влияет на точность моделей глубокого обучения, используемых для выявления уязвимостей в программном обеспечении.

Искусственный интеллект на страже графов: обнаружение аномалий без предварительного обучения

Тепловые карты частоты мягкой маршрутизации, полученные в результате анализа различных вариантов архитектуры EvoFG, демонстрируют влияние отдельных компонентов на эффективность процесса, позволяя выявить критические элементы, определяющие производительность системы.

Новый подход позволяет выявлять необычные паттерны в графовых данных, используя возможности больших языковых моделей и избегая необходимости в предварительной подготовке.