Zobrazeno 1 - 10
of 44 594
pro vyhledávání: '"minimal training"'
Over the past decades, we have witnessed a rapid emergence of soft and reconfigurable robots thanks to their capability to interact safely with humans and adapt to complex environments. However, their softness makes accurate control very challenging.
Externí odkaz:
http://arxiv.org/abs/2411.07309
Autor:
Xu, Wang, Wang, Shuo, Zhao, Weilin, Han, Xu, Yan, Yukun, Zhang, Yudi, Tao, Zhe, Liu, Zhiyuan, Che, Wanxiang
Large language models (LLMs) have demonstrated the ability to improve human efficiency through conversational interactions. Conventional LLM-powered dialogue systems, operating on a turn-based paradigm, preclude real-time interaction during response
Externí odkaz:
http://arxiv.org/abs/2409.11727
High-quality element distribution maps enable precise analysis of the material composition and condition of Old Master paintings. These maps are typically produced from data acquired through Macro X-ray fluorescence (MA-XRF) scanning, a non-invasive
Externí odkaz:
http://arxiv.org/abs/2409.09483
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
This letter presents a novel approach for identifying uncorrelated atomic configurations from extensive data sets with a non-standard neural network workflow known as random network distillation (RND) for training machine-learned inter-atomic potenti
Externí odkaz:
http://arxiv.org/abs/2309.03840
Autor:
Josephine Edith Pohl, Philipp Schwerk, René Mauer, Gabriele Hahn, Ricardo Beck, Guido Fitze, Jurek Schultz
Publikováno v:
BMC Medical Imaging, Vol 24, Iss 1, Pp 1-9 (2024)
Abstract Background Several studies have advocated the use of ultrasound to diagnose distal forearm fractures in children. However, there is limited data on the diagnostic accuracy of ultrasound for distal forearm fractures when conducted by pediatri
Externí odkaz:
https://doaj.org/article/2c97562824474b7daa06fc86f7f9a11a
When facing an unsatisfactory prediction from a machine learning model, users can be interested in investigating the underlying reasons and exploring the potential for reversing the outcome. We ask: To flip the prediction on a test point $x_t$, how t
Externí odkaz:
http://arxiv.org/abs/2305.12809
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Renner, Andreas, Gulyas, Ingo, Buschmann, Martin, Heilemann, Gerd, Knäusl, Barbara, Heilmann, Martin, Widder, Joachim, Georg, Dietmar, Trnková, Petra
Publikováno v:
In Physics and Imaging in Radiation Oncology April 2024 30
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.