我们按照Blackwell-Dubins定理的方式来表征Martin-Löf随机性和schnorr随机性。在设置了定义合并随机性概念的一般框架之后，我们专注于有限的地平线事件，即从Kalai-Lehrer的意义上进行薄弱的合并。与Blackwell-Dubins和Kalai-Lehrer相反，我们不仅考虑了总变分距离，还考虑了Hellinger距离和Kullback-Leibler差异 ...
大规模的，弱监督的语音识别模型（例如Whisper）在跨领域和语言的语音识别方面表现出了令人印象深刻的结果。但是，它们通过缓冲或滑动窗口的方法应用于长音频转录，容易出现漂移，幻觉和重复。并禁止由于其顺序性质而导致的批处理转录。此外，时间戳对应的每种话语都容易出现不准确，并且单词级的时间戳不可用 ...
建模心血管解剖学对它们的复杂，不规则的结构和固有的病理状况构成了重大挑战。数值模拟虽然准确，但通常在计算上很昂贵，从而限制了它们在临床环境中的实用性。另一方面，传统的机器学习方法经常在一些重大障碍（包括投入的高维度）上挣扎，无法有效与不规则的网格合作，并保留了动态问题中响应的时间依赖性 ...
组合优化问题通常依靠启发式算法来生成有效的解决方案。但是，启发式方法的手动设计是资源密集型的，并且受设计师的专业知识的限制。人工智能的最新进展，尤其是大型语言模型（LLM），已经证明了通过进化框架自动化启发式生成的潜力 ...
人工神经网络，尤其是最近基于扩散的模型，在游戏，控制和质量检查系统中表现出了显着的优势，其中训练任务的数据集通常是静态的。但是，在现实世界中的应用程序中，例如强化学习的机器人控制（RL），任务正在发生变化，并且新任务按顺序出现。这种情况对培训可以适应任务变化并保留获得的知识的代理商提出了可塑性稳定性权衡的新挑战 ...
自动化程序维修（APR）定义为通过自动工具在源代码中修复错误/缺陷的过程。 APR工具最近通过利用最先进的神经语言处理（NLP）技术经历了有希望的结果。如今，TFIX和Codexglue等APR工具将文本到文本 Transformer 与特定于软件的技术相结合，如今优于替代方案 ...
密集的视频字幕旨在检测和描述未修剪视频中的所有事件。本文提出了一个称为多概念循环学习（MCCL）的密集的视频字幕网络，该网络的目的是：（1）使用这些概念来增强视频功能并提供时间事件提示； （2）在字幕网络中设计循环学习，以促进语义感知和事件定位。具体而言，我们对每个帧执行弱监督的概念检测，并且将检测到的概念嵌入集成到视频功能中以提供事件提示 ...
深度学习技术的开发使神经机器翻译（NMT）模型具有足够的培训数据和培训时间，变得非常强大。但是，在从具有独特风格或词汇的新域中翻译文本时，系统会挣扎。对内域数据进行微调允许良好的域适应，但需要足够的相关双语数据 ...
