会员服务
自适应系统，在AI中，多指富有变化的系统，能随着环境的改变而进行自适应改变，一般这样的系统多采取自适应机器学习方法。
C2FL: Clustered Continual Federated Learning under Spatial and Temporal Drift
Arxiv
0+阅读 · 6月16日
Trust by design -- in praise of modularization: a case study
Arxiv
0+阅读 · 6月15日
Quantizing Time-Series Models As Dynamical Systems: Trajectory-Based Quantization Sensitivity Score
Arxiv
0+阅读 · 6月15日
Dynestyx: A Probabilistic Programming Library for Dynamical Systems
Arxiv
0+阅读 · 6月15日
Coordination without communication: beyond optimisation and geometric Brownian motion
Arxiv
0+阅读 · 5月29日
Optimal Targeting in Dynamic Systems
Arxiv
0+阅读 · 6月8日
Toward World Models for Epidemiology
Arxiv
0+阅读 · 4月10日
Physics-Informed Neural Networks for Biological $2\mathrm{D}{+}t$ Reaction-Diffusion Systems
Arxiv
0+阅读 · 4月20日
Pathwise Learning of Stochastic Dynamical Systems with Partial Observations
Arxiv
0+阅读 · 4月13日
Estimating Dynamic Marginal Policy Effects under Sequential Unconfoundedness
Arxiv
0+阅读 · 4月7日
Taming Actor-Observer Asymmetry in Agents via Dialectical Alignment
Arxiv
0+阅读 · 4月21日
Deep Adaptive Model-Based Design of Experiments
Arxiv
0+阅读 · 3月24日
Unifying Optimization and Dynamics to Parallelize Sequential Computation: A Guide to Parallel Newton Methods for Breaking Sequential Bottlenecks
Arxiv
0+阅读 · 3月17日
IRIS: A Real-World Benchmark for Inverse Recovery and Identification of Physical Dynamic Systems from Monocular Video
Arxiv
0+阅读 · 3月17日
Zero-Shot Generalization from Motion Demonstrations to New Tasks
Arxiv
0+阅读 · 3月16日
参考链接
微信扫码咨询专知VIP会员
Top