Formale Überprüfung
Mathematische Methoden zum Nachweis, dass Hardware, Software oder Protokolle unter expliziten Annahmen genau angegebene Eigenschaften erfüllen.
A living academic reference written, refined and transparently versioned by the Sciendia community.
Collaborative knowledgeSuchen
17 Treffer
Wiki pages are public to read. Every signed-in member can create and improve them.
Clear searchMathematische Methoden zum Nachweis, dass Hardware, Software oder Protokolle unter expliziten Annahmen genau angegebene Eigenschaften erfüllen.
Systeme, die externe Beweise zum Abfragezeitpunkt abrufen und sie einer generativen Sprachkomponente zur Verfügung stellen, bevor sie eine Antwort erstellen.
Computerarchitekturen, die von Gehirn inspirierte ereignisgesteuerte Neuronen, Synapsen und Memory-Compute-Integration verwenden.
Machine-Learning-Modelle, die statistische Darstellungen von Aminosäuresequenzen für Vorhersage und molekulares Design lernen.
Die Rekonstruktion und Analyse von Genomen aus alten biologischen Überresten, um Populationen, Evolution und Krankheit im Laufe der Zeit zu untersuchen.
Kryptografische Protokolle, die eine Aussage beweisen, sind wahr, ohne den geheimen Zeugen zu enthüllen, der sie wahr macht.
Maschinelles Lernen für sequentielle Entscheidungen, bei denen ein Agent das Verhalten durch Belohnungen verbessert, die durch Interaktion generiert werden.
Methoden, die Genexpression messen und gleichzeitig die Standorte und Nachbarschaften von Zellen im Gewebe erhalten.
Kollektive Problemlösung, die sich aus lokalen Interaktionen zwischen vielen vergleichsweise einfachen autonomen Agenten ergibt.
Neuronale Netzwerksysteme, die Beziehungen zwischen Token unter Verwendung von Aufmerksamkeit und paralleler Sequenzverarbeitung modellieren.
Verteiltes maschinelles Lernen, das Modellschulungen zwischen Dateninhabern koordiniert, ohne ihre Rohdatensätze zu zentralisieren.
Kryptographische Verfahren, die ausgewählte Berechnungen auf verschlüsselten Daten ermöglichen, ohne vorher den Klartext preiszugeben.
Machine-Learning-Architekturen, die Repräsentationen von Einheiten lernen, die durch relationale Strukturen verbunden sind.
Methoden, die Transkriptionshäufigkeit in einzelnen Zellen messen, um heterogene biologische Populationen aufzulösen.
Wie sich verteilte Teilnehmer trotz Verzögerungen, Ausfällen und widersprüchlichen Vorschlägen auf ein Ordered Ledger einigen.
Mehrschichtige Rechenmodelle, die verteilte Darstellungen lernen, indem sie gewichtete Verbindungen aus Daten anpassen.
Ein programmierbares molekulares System, das DNA in der Nähe einer von einer Leit-RNA ausgewählten Sequenz schneiden kann.