Computerwissenschaften - Maschinelles Lernen

Grappa verbessert molekulare Vorhersagen mit Machine-Learning-Techniken für mehr Effizienz.

Eine neue Methode verbessert die Objekterkennung, indem sie die Kompositionalität in Bilddarstellungen fördert.

Ein neuer Ansatz verbessert das Management des Stromnetzes mithilfe von Zieltopologien und Deep Learning.

Innovative Strategien zur Verbesserung des Verkehrsflusses und zur Reduzierung des Kraftstoffverbrauchs an Kreisverkehren.

Fortgeschrittene Technologie nutzen, um die Diagnose und Behandlung von Schlaganfällen zu verbessern.

Ein neues Modell verbessert die Verkehrsprognosen für eine intelligentere urbane Mobilität.

Swarm Learning verbessert die Privatsphäre und Sicherheit in dezentralen Machine-Learning-Systemen.

Ein neues Framework verbessert die Verkehrsprognosen durch kontrafaktische Erklärungen für bessere Entscheidungen.

Ein neues System sagt die Aktionen von Fussgängern und Fahrern voraus und verbessert die Verkehrssicherheit.

Ein Rahmenwerk, um vertrauenswürdige Geräte im föderierten Lernen für den Datenschutz in Städten zu gewährleisten.

Neue Ansätze verbessern das Verständnis und die Übertragbarkeit in neuronalen Netzen.

Forschung zeigt Bedenken über die mathematischen Fähigkeiten von grossen Sprachmodellen.

Eine neue Methode verbessert die Zeitreihenprognose durch effektive Datenaugmentation.

Erforschen, wie neuromorphe Computer die Verarbeitung visueller Daten verändern.

Eine neue Methode verbessert den Speicher und die Verarbeitung für Deep Learning-Modelle auf MCUs.

Eine neue Methode verbessert das Denken in Sprachmodellen durch effektives Präferenzlernen.

Erfahre, wie RST-LoRA die Zusammenfassung mit der Rhetorical Structure Theory verbessert.

Ein neues Framework verbessert die Bewertung von föderierten Lernalgorithmen in verschiedenen Anwendungen.

Erforsche, wie Foundation-Modelle die Analyse von Zeitreihendaten in verschiedenen Bereichen verbessern.

Ein Blick auf Kompositionalität und Generalisierung in maschinellen Lern-Sprachmodellen.

Diese Studie untersucht, wie maschinelles Lernen Entscheidungen und individuelles Verhalten beeinflusst.

Erforsche den Aufstieg und die Effizienz von Vision-Transformern in der Bildbearbeitung.

Echte Daten verbessern die Sicherheit von automatisierten Fahrzeugsystemen durch fortschrittliche Simulationen.

Ein neuer Ansatz für klarere GNN-Vorhersagen mit kantenfokussierten Untergraph-Erklärungen.

Drohnen, die von KI angetrieben werden, versprechen schlauere Abläufe und bessere Effizienz in verschiedenen Branchen.

Ein neuer Machine-Learning-Ansatz verbessert die Genauigkeit bei der Analyse von Schuhabdrücken.

Neuer Algorithmus verbessert das Lernen bei Aufgaben aus der echten Welt ohne Rücksetzungen.

Eine neue Methode verbessert, wie wir die Todesursachen im Gesundheitswesen bewerten.

Eine einheitliche Sicht auf die Bewältigung von Oversmoothing-Herausforderungen in Graph-Neuronalen-Netzwerken.

Eine neue Methode verbessert das Verständnis von CNN-Vorhersagen durch Konzepte und Beziehungen.

Effektive Methoden zur Vorhersage der Lebensdauer von Kugellagern verbessern die Maschinenwartungsstrategien.

Dieser Ansatz verbessert die Genauigkeit der Innenraumpositionierung mit selbstüberwachtem Deep Reinforcement Learning.

Lern, wie Experten Waldbrände mit Daten und Modellen vorhersagen.

Ein Blick auf neue Methoden zur Preisgestaltung von finanziellen Optionen mit Marktdaten.

M3Net verbessert die LiDAR-Segmentierung für selbstfahrende Autos, indem es verschiedene Datensätze und Sensoren integriert.

Eine neue Methode verwandelt Kunststile mithilfe von paarweisen Bildern.

Eine neue Methode verbessert das Roboterlernen, indem sie Sprachmodelle und Verstärkungslernen kombiniert.

Eine Analyse, wie die abstrakte Bedeutungsdarstellung die Leistung von LLMs bei verschiedenen Aufgaben beeinflusst.

Untersuchen der Vorteile der Kombination verschiedener Datentypen im maschinellen Lernen.

Die Studie hebt die Schwierigkeiten hervor, Unterschiede im Gehirn zu finden, die mit der Autismus-Spektrum-Störung verbunden sind.