Aktualności

Projekt koncentrował się na zbadaniu wpływu pojemności sieci neuronowych oraz sposobu generowania zakłóceń na jakość uczenia modeli dyfuzyjnych. W szczególności analizowano jakość estymacji funkcji score, zjawisko zapamiętywania danych treningowych oraz występowanie double descent. Podczas seminarium przedstawione zostaną przeprowadzone eksperymenty, uzyskane wyniki oraz wnioski dotyczące mechanizmów generalizacji i zapamiętywania w modelach dyfuzyjnych.

This talk explores several emerging technologies that are shaping 6G wireless networks and beyond. It discusses how cell-free architectures and decentralized processing can improve network performance and scalability, how semantic communication and over-the-air computation can enable efficient task-oriented information exchange, and how Integrated Sensing and Communication (ISAC) can transform wireless networks into distributed sensing platforms. The role of digital twins in autonomous network optimization and management is also highlighted.

Physics-informed neural networks (PINNs) formulate the solution of partial differential equations as residual minimization problems over neural network parameterizations. Although highly flexible, optimization of PINNs using modern variants of Stochastic Gradient Descent algorithms is expensive. On the other hand, iterative computation of PINN parameterization using the Gauss-Newton method suffers from convergence difficulties, dense Jacobian structures, and poor conditioning that limit the effectiveness of second-order optimization methods.

Stacje ładowania pojazdów elektrycznych są często ograniczone pod względem liczby dostępnych ładowarek i miejsc postojowych. Wraz ze wzrostem popytu użytkownicy mogą doświadczać sytuacji związanych z oczekiwaniem, blokowaniem miejsc lub rezygnacją z ładowania, co może obniżyć jakość obsługi.