Buchumschlag

Rethinking industrial artificial intelligence: a unified foundation framework

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lee, Jay, Su, Hanqi
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Machine Learning Approaches for Diagnostics and Prognostics of Industrial Systems Using Open Source Data from PHM Data Challenges: A Review
von: Su, Hanqi, et al.
Veröffentlicht: (2023)

A Unified Industrial Large Knowledge Model Framework in Industry 4.0 and Smart Manufacturing
von: Lee, Jay, et al.
Veröffentlicht: (2023)

Engineering Artificial Intelligence: Framework, Challenges, and Future Direction
von: Lee, Jay, et al.
Veröffentlicht: (2025)

Separable neural architectures as a primitive for unified predictive and generative intelligence
von: Batley, Reza T., et al.
Veröffentlicht: (2026)

Trustworthy artificial intelligence in the energy sector: Landscape analysis and evaluation framework
von: Pelekis, Sotiris, et al.
Veröffentlicht: (2024)

Large language models for artificial general intelligence (AGI): A survey of foundational principles and approaches
von: Mumuni, Alhassan, et al.
Veröffentlicht: (2025)

SUDO: a framework for evaluating clinical artificial intelligence systems without ground-truth annotations
von: Kiyasseh, Dani, et al.
Veröffentlicht: (2024)

An overview of diffusion models for generative artificial intelligence
von: Gallon, Davide, et al.
Veröffentlicht: (2024)

Applications of Explainable artificial intelligence in Earth system science
von: Huang, Feini, et al.
Veröffentlicht: (2024)

Rethinking harmless refusals when fine-tuning foundation models
von: Pop, Florin, et al.
Veröffentlicht: (2024)

An artificial intelligence framework for end-to-end rare disease phenotyping from clinical notes using large language models
von: Shyr, Cathy, et al.
Veröffentlicht: (2026)

TastepepAI, An artificial intelligence platform for taste peptide de novo design
von: Yue, Jianda, et al.
Veröffentlicht: (2025)

Quantum computing and artificial intelligence: status and perspectives
von: Acampora, Giovanni, et al.
Veröffentlicht: (2025)

Functional Graph Convolutional Networks: A unified multi-task and multi-modal learning framework to facilitate health and social-care insights
von: Boschi, Tobia, et al.
Veröffentlicht: (2024)

Detecting and explaining postpartum depression in real-time with generative artificial intelligence
von: García-Méndez, Silvia, et al.
Veröffentlicht: (2025)

Multi-modal Machine Learning for Vehicle Rating Predictions Using Image, Text, and Parametric Data
von: Su, Hanqi, et al.
Veröffentlicht: (2023)

Test-time regression: a unifying framework for designing sequence models with associative memory
von: Wang, Ke Alexander, et al.
Veröffentlicht: (2025)

Cracking the Code: Enhancing Development finance understanding with artificial intelligence
von: Beaucoral, Pierre
Veröffentlicht: (2025)

Flow marching for a generative PDE foundation model
von: Chen, Zituo, et al.
Veröffentlicht: (2025)

The foundations of cost-sensitive causal classification
von: Verbeke, Wouter, et al.
Veröffentlicht: (2020)

Rethinking the shape convention of an MLP
von: Chen, Meng-Hsi, et al.
Veröffentlicht: (2025)

An Analysis under a Unified Fomulation of Learning Algorithms with Output Constraints
von: Song, Mooho, et al.
Veröffentlicht: (2024)

Beyond What to Select: A Plug-and-play Oscillatory Data-Volume Scheduling for Efficient Model Training
von: Yang, Suorong, et al.
Veröffentlicht: (2026)

Development and validation of an artificial intelligence model to accurately predict spinopelvic parameters
von: Harake, Edward S., et al.
Veröffentlicht: (2024)

Rethinking Spectral Graph Neural Networks with Spatially Adaptive Filtering
von: Guo, Jingwei, et al.
Veröffentlicht: (2024)

Toward a universal foundation model for graph-structured data
von: Mostafa, Sakib, et al.
Veröffentlicht: (2026)

Cell-ontology guided transcriptome foundation model
von: Yuan, Xinyu, et al.
Veröffentlicht: (2024)

Quantifying artificial intelligence through algorithmic generalization
von: Ito, Takuya, et al.
Veröffentlicht: (2024)

Are foundation models useful feature extractors for electroencephalography analysis?
von: Turgut, Özgün, et al.
Veröffentlicht: (2025)

Opportunities and challenges in the application of large artificial intelligence models in radiology
von: Pan, Liangrui, et al.
Veröffentlicht: (2024)

Tourism destination events classifier based on artificial intelligence techniques
von: Camacho-Ruiz, Miguel, et al.
Veröffentlicht: (2024)

Towards an end-to-end artificial intelligence driven global weather forecasting system
von: Chen, Kun, et al.
Veröffentlicht: (2023)

Rethinking Multimodal Fusion for Time Series: Auxiliary Modalities Need Constrained Fusion
von: Lee, Seunghan, et al.
Veröffentlicht: (2026)

A social path to human-like artificial intelligence
von: Duéñez-Guzmán, Edgar A., et al.
Veröffentlicht: (2024)

Critical appraisal of artificial intelligence for rare-event recognition: principles and pharmacovigilance case studies
von: Noren, G. Niklas, et al.
Veröffentlicht: (2025)

Toward Time-Continuous Data Inference in Sparse Urban CrowdSensing
von: Sun, Ziyu, et al.
Veröffentlicht: (2024)

Development and external validation of a multimodal artificial intelligence mortality prediction model of critically ill patients using multicenter data
von: Mamandipoor, Behrooz, et al.
Veröffentlicht: (2025)

Found-RL: foundation model-enhanced reinforcement learning for autonomous driving
von: Qu, Yansong, et al.
Veröffentlicht: (2026)

From paper to benchmark: agentic, framework-based reproduction of under-specified methods in machine health intelligence
von: Theiler, Raffael, et al.
Veröffentlicht: (2026)

Predictive representations: building blocks of intelligence
von: Carvalho, Wilka, et al.
Veröffentlicht: (2024)