培训的分布性质使联合学习（FL）容易受到后门攻击的影响，恶意模型更新旨在损害全球模型在特定任务上的绩效。现有的防御方法显示出有限的功效，因为它们忽略了有关通用和细粒度方向的良性模型和恶意模型更新之间的不一致性。为了填补这一空白，我们介绍了Alignins，这是一种新颖的防御方法，旨在保护FL系统免受后门攻击 ...
我们介绍了Mindeye，这是一种新型的fMRI至图像方法，可从大脑活动中检索和重建图像。我们的模型包括两个专门用于检索（使用对比度学习）和重建（使用扩散先验）的平行群。 Mindeye可以将fMRI大脑活动映射到任何高维多模式的潜在空间，例如剪辑图像空间，从而使用接受该潜在空间的嵌入的生成模型启用图像重建 ...
积极的学习有望减轻监督机器学习的巨大数据需求：通过对主题分类和对象识别等传统任务的数量级，它成功提高了样本效率。但是，我们发现了与这一诺言形成鲜明对比的形成鲜明对比的：在5个模型和4个有关视觉问题回答任务的数据集中，各种各样的活跃学习方法无法超越随机选择。为了了解这种差异，我们以每个示例介绍了8种主动学习方法，并将问题确定为集体异常值 - 积极学习方法更喜欢获取但模型无法学习的示例组（e ...
深图网络（DGNS）目前在图形学习的研究环境中占主导地位，因为它们的效率和在节点之间实施自适应消息的方案的能力。但是，DGN通常在传播和保留节点之间的长期依赖性的能力上受到限制，即 ...
图形神经网络（GNNS）通常通过消息通信操作，其中节点的状态根据从其邻居接收到的信息进行更新。大多数消息通讯模型充当图形卷积，其中特征是由共享的线性转换混合在一起，然后再在边缘传播。在节点分类任务上，图表卷积已显示出两个局限性：异性含量上的性能差，并且过度平滑 ...
智能车辆在许多运输方案中都表现出了出色的功能。使用相机神经网络的推理能力限制了复杂运输系统中事故检测的准确性。本文介绍了事故Blip2，这是一种纯基于视觉的多模式大型BLIP2，用于事故检测 ...
动态图捕获了实体之间不断发展的互动，例如在社交网络，在线学习平台和众包项目中。对于动态图建模，动态图神经网络（DGNN）已成为主流技术。但是，它们通常在链接预测任务上进行了预训练，从下游任务（例如节点分类）的目标中留下了很大的差距 ...
文本到SQL问题旨在将自然语言问题转化为SQL语句，以简化数据库系统与最终用户之间的互动。最近，大型语言模型（LLMS）在包括文本到SQL在内的各种任务中表现出令人印象深刻的功能。尽管先前的工作探讨了促使LLM生成SQL语句的各种策略，但由于缺乏（1）在构造提示时缺乏（1）高质量的上下文信息以及（2）强大的反馈机制以纠正翻译错误时，它们仍然没有完全利用LLM的力量 ...
