에이쿨 리서치

GenAI의 획기적인 작업을 선보이는 연구 허브에 오신 것을 환영합니다.

추천 간행물

협력적 확산 회복 가능성을 통한 에너지 기반 모델 학습

이 연구는 협력 확산 회복 가능성을 사용하여 에너지 기반 모델을 학습하는 혁신적인 방법을 제시합니다.우리의 접근 방식은 협동 학습 및 확산 프로세스의 강점을 활용하여 에너지 기반 모델의 교육 효율성과 효과를 개선합니다.

Authors:

주 야쉬안, 지엔웬 시에, 잉 니안 우, 루이치 가오

Conference:

제12회 학습 표현에 관한 국제 컨퍼런스 (ICLR), 2024년

Journal:

Archive:

Read the Paper

발전적 중요성에 대한 에너지 기반 사전

이 백서에서는 생성적 돌출성 모델을 위한 새로운 에너지 기반 선행 사례를 소개합니다.우리의 접근 방식은 에너지 기반 기술을 통합하여 현저성 감지의 해석 가능성과 성능을 향상시켜 다양한 응용 분야에서 보다 정확하고 신뢰할 수 있는 결과를 제공합니다.

Authors:

징 장, 지안웬 시에, 닉 반스, 핑 리

Conference:

Journal:

패턴 분석 및 머신 인텔리전스 (TPAMI) 에 관한 IEEE 트랜잭션, 2023년

Archive:

Read the Paper

잠재 공간 에너지 기반 신경 ODE

이 연구는 잠재 공간 에너지 기반 신경 상미분 방정식 (ODE) 을 사용하여 연속시간 순차 데이터를 모델링하기 위한 새로운 프레임워크를 소개합니다.우리의 접근 방식은 순차 데이터의 모델링을 향상시켜 머신 러닝 작업에 대한 새로운 통찰력을 제공합니다.

Authors:

셩쳉, 더키안 콩, 지엔웬 시에, 이국진, 우잉니안, 양예저우

Conference:

Journal:

머신 러닝 리서치 관련 거래 (TMLR) 2025

Archive:

Read the Paper

래턴트 프롬프트 트랜스포머에 의한 분자 설계

우리는 분자 설계의 어려운 문제를 해결하기 위한 새로운 생성 모델인 LPT (Latent Prompt Transformer) 를 제안합니다.실험에 따르면 LPT는 단일 목적, 다중 목적 및 구조가 제한된 최적화 작업에서 유용한 분자를 효과적으로 발견할 뿐만 아니라 강력한 샘플 효율성을 보여줍니다.

Authors:

더키안 콩, 유하오 황, 지엔웬 시에, 에두아르도 호닉, 밍 쉬, 슈앙홍 쉐, 페이 린, 산핑 저우, 셩종, 난닝 정, 잉 니안 우

Conference:

제38회 신경 정보 처리 시스템 컨퍼런스 (뉴립스 2024)

Journal:

Archive:

Read the Paper

잠재 에너지 기반 오디세이: 에너지 기반 잠재 공간에서의 확장 탐색을 통한 블랙박스 최적화

이 백서에서는 잠재 에너지 기반 오디세이로 알려진 새로운 블랙박스 최적화 방법을 소개합니다.이 접근법은 에너지 기반 잠재 공간 내에서 탐색을 확장하여 최적화 프로세스를 향상시키는 데 중점을 둡니다.이 방법은 잠재 공간의 에너지 환경을 활용하여 최적화 작업의 효율성과 효과를 개선하여 기계 학습 및 최적화 분야에서 상당한 발전을 이루고 있습니다.

Authors:

페이유 유, 딩후아이 장, 헝지 헤, 샤오지엔 마, 루이야오 미아오, 이판 루, 야시 장, 더첸 콩, 루이치 가오, 지엔웬 시에, 광청, 잉 니안 우

Conference:

Journal:

Archive:

Read the Paper

CoopHash: 감독형 이미지 해싱을 위한 가변 MCMC 교육을 통한 다목적 디스크립터 및 대조 쌍 생성기의 협력 학습

CoopHash는 협력 학습을 통해 감독된 이미지 해싱에 대한 새로운 접근 방식을 도입합니다.변형 마르코프 체인 몬테카를로 (MCMC) 교육을 활용하여 다목적 디스크립터와 대조적 쌍 생성기를 동시에 최적화합니다.이 혁신적인 방법은 이미지 해싱의 효율성과 정확성을 향상시켜 이 분야에서 크게 발전했습니다.

Authors:

코아 도안, 지엔웬 시에, 야쉬안 주, 양 자오, 핑 리

Conference:

Journal:

Archive:

Read the Paper

궤적 추상화를 위한 잠재 계획 변환기: 잠재 공간 추론으로서의 계획

이 백서에서는 계획을 잠재 변수 추론으로 취급하는 새로운 프레임워크인 Latent Plan Transformer를 소개합니다.우리의 접근 방식은 변압기의 강점과 잠재 변수 모델을 결합하여 복잡한 환경에서 강력하고 효율적인 계획을 수립합니다.

Authors:

더키안 콩, 데홍 쉬, 밍루 자오, 보 팡, 지엔웬 시에, 앤드류 리자라가, 유하오 황, 시루이 시에, 잉 니안 우

Conference:

제38회 신경 정보 처리 시스템 컨퍼런스 (뉴립스 2024)

Journal:

Archive:

Read the Paper

다중 영역 이미지-이미지 변환을 위한 점진적 에너지 기반 협력 학습

다중 영역 이미지-이미지 변환을 위한 점진적인 에너지 기반 협력 학습 프레임워크를 제안합니다.이 방법은 학습 과정을 점진적으로 개선하여 여러 영역에서 우수한 성능을 발휘함으로써 도메인 적응 및 번역 문제를 해결합니다.

Authors:

웨이난 송, 야쉬안 주, 레이 헤, 잉 니안 우, 지엔웬 시에

Conference:

Journal:

Archive:

아르시브, 2024년

Read the Paper

회사 소개

우리 팀은 권위 있는 기관의 저명한 연구자들로 구성되어 있으며 인공 지능 분야의 발전을 위해 협력하고 있습니다.우리는 실제 문제를 해결하고 더 넓은 과학 커뮤니티에 기여하는 혁신적인 솔루션을 개발하는 데 중점을 둡니다.

연결 상태 유지

연락처: 문의, 협력 또는 연구에 대한 추가 정보가 필요하면 다음 주소로 문의하십시오. info@akool.com.