В статье рассматривается методика глубокого глобального кластеризования (DGC) как эффективный способ извлечения полезной информации из гиперспектральных изображений без использования размеченных данных.
Исследователи предлагают инновационный метод для заполнения пропусков во временных рядах, объединяющий детерминированные оценки с генеративными моделями.
Новое исследование показывает, что большие языковые модели систематически искажают общественное мнение об изменении климата, воспроизводя гендерные и расовые стереотипы.
Новое исследование показывает, что современные большие языковые модели часто переоценивают свои шансы на успех, но некоторые из них способны корректировать свои прогнозы с опытом.
![Прогрессивные генеративные состязательные сети (ProGAN) демонстрируют способность синтезировать изображения, относящиеся к классу COVID-19, постепенно увеличивая разрешение от [latex]7 \times 7[/latex] до [latex]224 \times 224[/latex] пикселей, что подтверждает поэтапный подход к генерации детализированных изображений из латентного пространства.](https://arxiv.org/html/2512.24214v1/figure10_progan_synthetic_stages.png)
Новый подход к классификации медицинских изображений позволяет повысить точность диагностики COVID-19 даже при дисбалансе данных.