AI
Notizie IA

Ultime notizie IA

I modelli di linguaggio di diffusione sono provabilmente campionatori paralleli ottimali

I modelli di linguaggio di diffusione sono provabilmente campionatori paralleli ottimali

Ricerche recenti mettono in luce l'efficienza dei modelli di linguaggio a diffusione (DLM) nella generazione di token in parallelo, sfidando i tradizionali modelli autoregressivi. Formalizzando un modello di campionamento parallelo, lo studio dimostra che i DLM con catene di pensiero di lunghezza polinomiale possono eguagliare i passi sequenziali ottimali degli algoritmi paralleli. Tuttavia, senza modifiche ai token rivelati, i DLM possono presentare impronte intermedie significative. L'introduzione di metodi di remasking o revisione consente ai DLM di mantenere una complessità spaziale ottimale e migliora la loro espressività. Questa ricerca sottolinea il potenziale dei DLM come campionatori paralleli superiori e promuove l'integrazione di capacità di revisione.

arXiv
Modello ibrido di deep learning per la previsione della produzione di gas di scisto basato sul principio di decomposizione-ricostruzione

Modello ibrido di deep learning per la previsione della produzione di gas di scisto basato sul principio di decomposizione-ricostruzione

Un nuovo modello ibrido, CEEMDAN-SE-LSTM, unisce l'apprendimento profondo con tecniche di decomposizione per migliorare le previsioni di produzione di gas nei giacimenti di scisto, affrontando le sfide poste da dati non lineari e non stazionari. Questo modello migliora significativamente l'accuratezza delle previsioni, riducendo al contempo i costi computazionali, ed è stato convalidato su più set di dati. I risultati suggeriscono che potrebbe fornire indicazioni per strategie di produzione più efficaci.

Bentham Science Publishers Ltd.
Una scarsa qualità del sonno accelera l'invecchiamento cerebrale

Una scarsa qualità del sonno accelera l'invecchiamento cerebrale

Ricerche recenti chiariscono il legame tra sonno e demenza, suggerendo che un sonno di scarsa qualità potrebbe contribuire allo sviluppo della demenza, piuttosto che essere semplicemente un sintomo precoce. Lo studio indica che i modelli di sonno interrotti possono accelerare l'accumulo di placche amiloidi, un fattore chiave nella malattia di Alzheimer. Questa scoperta sottolinea il potenziale delle interventi sul sonno come misura preventiva contro il declino cognitivo.

Wired
Utilizzo di modelli di apprendimento automatico nella valutazione delle proprietà ADMET per la scoperta e lo sviluppo di farmaci

Utilizzo di modelli di apprendimento automatico nella valutazione delle proprietà ADMET per la scoperta e lo sviluppo di farmaci

I recenti progressi nell'apprendimento automatico (ML) stanno rivoluzionando le previsioni ADMET (Assorbimento, Distribuzione, Metabolismo, Eliminazione, Tossicità) nello sviluppo farmaceutico, affrontando così le elevate percentuali di abbandono dei candidati farmaci. I modelli di ML mostrano una maggiore accuratezza ed efficienza rispetto ai metodi tradizionali, con applicazioni nelle valutazioni di solubilità, permeabilità, metabolismo e tossicità. Sebbene rimangano sfide come la qualità dei dati e l'accettazione normativa, l'integrazione del ML nei flussi di lavoro per la scoperta di farmaci potrebbe migliorare significativamente la valutazione precoce dei rischi e la prioritizzazione dei composti.

Bentham Science Publishers Ltd.
Pipeline di Elaborazione del Linguaggio Naturale per i Dati di Valutazione: Un Tutorial Basato su R

Pipeline di Elaborazione del Linguaggio Naturale per i Dati di Valutazione: Un Tutorial Basato su R

L'articolo descrive l'applicazione del processamento del linguaggio naturale (NLP) nell'analisi delle risposte scritte per le valutazioni educative. Vengono delineati i passaggi fondamentali per il preprocessing del testo, l'estrazione delle caratteristiche e l'analisi dei dati, preservando l'integrità della sintassi e della semantica dei candidati. Un esempio basato su R che utilizza il Latent Dirichlet Allocation illustra la metodologia, fungendo da guida pratica per ricercatori e professionisti del settore.

Bentham Science Publishers Ltd.
Diagnosi dei guasti e ripristino dei segnali di monitoraggio della struttura navale basati sull'apprendimento automatico

Diagnosi dei guasti e ripristino dei segnali di monitoraggio della struttura navale basati sull'apprendimento automatico

Un nuovo metodo per la diagnosi dei guasti e il ripristino dei sistemi di monitoraggio delle navi sfrutta l'apprendimento automatico, integrando trasformate wavelet e una rete neurale specializzata. Raggiungendo oltre il 98% di accuratezza diagnostica in diverse posizioni, supera le prestazioni di LSTM e Random Forest in termini di resistenza al rumore. Questo approccio riduce significativamente l'RMSE per guasti di bias, deriva e impulso, migliorando l'affidabilità del monitoraggio della salute strutturale e supportando una navigazione intelligente più sicura.

Bentham Science Publishers Ltd.
Implementazione della tecnologia OCR e deep learning in un'app mobile per l'automazione della registrazione delle spese personali basata su scontrini

Implementazione della tecnologia OCR e deep learning in un'app mobile per l'automazione della registrazione delle spese personali basata su scontrini

Una nuova app mobile per la gestione delle finanze personali sfrutta il Riconoscimento Ottico dei Caratteri (OCR) e il deep learning per automatizzare la registrazione e la classificazione delle spese. Sviluppata utilizzando il metodo waterfall, l'app elabora 900 ricevute di transazioni locali, raggiungendo un'accuratezza dei caratteri del 97,05% e riducendo il tempo di inserimento del 62% rispetto ai metodi manuali. I test di usabilità hanno fornito un punteggio di 70,069, evidenziando la sua efficacia nel panorama della gestione finanziaria in Indonesia.

Bentham Science Publishers Ltd.
Analisi completa delle tecniche di oversampling per affrontare l'imbalance di classe mediante modelli di machine learning

Analisi completa delle tecniche di oversampling per affrontare l'imbalance di classe mediante modelli di machine learning

Uno studio valuta le tecniche di oversampling (SMOTE, Borderline SMOTE, ADASYN) per affrontare il problema dell'imbalanced delle classi nel machine learning. Utilizzando BERT per il preprocessing, l'analisi coinvolge modelli come SVM, Decision Tree e Logistic Regression. Di particolare rilievo, l'SVM con Borderline SMOTE ha raggiunto un'accuratezza del 71,9% e un MCC di 0,53, evidenziando un miglioramento delle prestazioni del modello.

Bentham Science Publishers Ltd.
Applicazione mobile di machine learning per la rilevazione precoce del cancro ai polmoni

Applicazione mobile di machine learning per la rilevazione precoce del cancro ai polmoni

Una nuova ricerca ha confrontato nove algoritmi di classificazione per la rilevazione del cancro ai polmoni utilizzando l'applicazione NusaMiner. Analizzando un dataset di 309 registrazioni provenienti da Kaggle, lo studio ha rivelato che gli algoritmi Gradient Boosting e Random Forest hanno raggiunto un'accuratezza del 100%. NusaMiner ha il potenziale per migliorare la diagnosi precoce del cancro ai polmoni, offrendo una soluzione efficace ed efficiente per i servizi sanitari.

Bentham Science Publishers Ltd.
Il 2025 è stato l'anno in cui l'IA ha ricevuto una verifica del suo impatto

Il 2025 è stato l'anno in cui l'IA ha ricevuto una verifica del suo impatto

All'inizio del 2025, il settore dell'intelligenza artificiale ha registrato un'impennata nei finanziamenti, con OpenAI che ha ottenuto 40 miliardi di dollari a una valutazione di 300 miliardi. Tuttavia, entro metà anno, l'entusiasmo del settore ha cominciato a scemare, segnalando possibili cambiamenti nelle priorità di investimento e nella fiducia del mercato. Le implicazioni per i futuri finanziamenti e le strategie di innovazione nel campo dell'IA sono notevoli.

TechCrunch
Stream-DiffVSR: Super-Risoluzione Video Streamabile a Bassa Latenza tramite Diffusione Auto-Regressiva

Stream-DiffVSR: Super-Risoluzione Video Streamabile a Bassa Latenza tramite Diffusione Auto-Regressiva

Stream-DiffVSR introduce un framework di diffusione condizionata causale per la super-risoluzione video, consentendo l'elaborazione in tempo reale basata esclusivamente sui fotogrammi passati. Il sistema prevede un denoiser distillato in quattro fasi e un modulo di Guida Temporale Auto-regressivo, raggiungendo una capacità di elaborazione di fotogrammi a 720p in soli 0,328 secondi su una GPU RTX4090. Questo metodo riduce la latenza di oltre 130 volte rispetto alle attuali tecniche all'avanguardia, rendendolo idoneo per applicazioni a bassa latenza. Maggiori dettagli sono disponibili sulla pagina del progetto.

arXiv