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。
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
MCMC Informed Neural Emulators for Uncertainty Quantification in Dynamical Systems
Arxiv
0+阅读 · 3月11日
Sysformer: Safeguarding Frozen Large Language Models with Adaptive System Prompts
Arxiv
0+阅读 · 3月6日
Causality-Respecting Adaptive Refinement for PINNs: Enabling Precise Interface Evolution in Phase Field Modeling
Arxiv
0+阅读 · 3月2日
The Runtime Dimension of Ethics in Self-Adaptive Systems
Arxiv
0+阅读 · 2月19日
Event Topology-based Visual Microphone for Amplitude and Frequency Reconstruction
Arxiv
0+阅读 · 2月18日
Continuous-Time Piecewise-Linear Recurrent Neural Networks
Arxiv
0+阅读 · 2月17日
Three factor delay learning rules for spiking neural networks
Arxiv
0+阅读 · 2月12日
An adaptive data sampling strategy for stabilizing dynamical systems via controller inference
Arxiv
0+阅读 · 2月10日
VCDF: A Validated Consensus-Driven Framework for Time Series Causal Discovery
Arxiv
0+阅读 · 2月16日
Thompson Sampling-Based Learning and Control for Unknown Dynamic Systems
Arxiv
0+阅读 · 2月5日
Physics as the Inductive Bias for Causal Discovery
Arxiv
0+阅读 · 2月3日
SplineFlow: Flow Matching for Dynamical Systems with B-Spline Interpolants
Arxiv
0+阅读 · 1月30日
参考链接
微信扫码咨询专知VIP会员
Top