Computerwissenschaften - Maschinelles Lernen

Ein neues Framework verbessert das Datenpruning, indem es sich auf vortrainierte Modelle für molekulare Aufgaben konzentriert.

Ein innovativer Ansatz, um fortschrittliche Modelle effizient zu komprimieren, ohne die Leistung zu verlieren.

Neue Methoden verbessern, wie Roboter lernen und sich an Aufgaben anpassen.

Dieses Papier schlägt neue Metriken vor, um Entwirrung in komplexen Daten zu messen.

AGA verbessert das KI-Training mit unterschiedlichen Hintergründen und hält dabei die Themen intakt.

Dieses Projekt verbessert die Texterkennung in bulgarischen historischen Dokumenten mithilfe von OCR-Technologie.

Aufmerksamkeitsmodelle verbessern die Genauigkeit und Robustheit der SAR-Zielerkennung.

Ein neuer Ansatz kombiniert variational inference und annealed importance sampling zur Datenanalyse.

Eine Studie über die Effektivität von Graphair bei fairen Graphdarstellungen und Linkvorhersagen.

Neue Methoden verbessern die Robustheit von Reinforcement Learning gegenüber adversarialen Eingaben.

Hyperspektrale Bildgebung nutzen, um Pflanzenkrankheiten effizient zu erkennen.

KI nutzen, um Daten zu simulieren, die emotionale Verbindungen in der psychischen Gesundheit analysieren.

Die NoPhish-Erweiterung nutzt maschinelles Lernen, um Phishing-Bedrohungen im Internet zu bekämpfen.

InfraLib verbessert das Infrastrukturmanagement mit datengestützten Methoden und realistischen Modellen.

Ein neuartiges System erzeugt Sprache aus Text mit minimalen Daten.

Diese Studie nutzt maschinelles Lernen, um sauren Bergbauabfluss in Bergbaugebieten vorherzusagen.

Entdecke, wie Federated Learning Daten privat hält und gleichzeitig Zusammenarbeit im IIoT ermöglicht.

Eine neue Methode verbessert die Genauigkeit der Bahnverfolgung für bessere urbane Mobilität.

Ein neues Modell verbessert die Erkennung von Depressionen in Social-Media-Posts mit klaren Erklärungen.

Ein Überblick, wie Deep-Learning-Methoden mit Differentialgleichungen umgehen.

Eine neue Methode, um proximale Operatoren zu berechnen, ohne die Daten für die Optimierung zu sortieren.

Forscher haben LEGNet entwickelt, um die Sprachfähigkeiten von Schlaganfallüberlebenden besser vorhersagen zu können.

Eine neue Methode verbessert die Zuverlässigkeit der Antworten von grossen Sprachmodellen.

Lern, wie du effektiv mit voreingenommenen Informationsquellen optimierst.

Ranking-Aggregation hilft, Präferenzen zu kombinieren, um bessere Entscheidungen in verschiedenen Bereichen zu treffen.

Ein neuer Ansatz zur Verwaltung von Finanzportfolios durch Deep-Learning-Methoden.

Eine Studie zur Klassifizierung von Wetterbedingungen in Bildern für eine bessere Maschinenkennung.

Neurale Netzwerke verbessern Lösungen für komplexe partielle Differentialgleichungen.

Eine neue Methode verbessert die Klassifizierung, indem sie Modelle an sich verändernde Datenmuster anpasst.

Ein frisches Modell zur Vorhersage von menschlichen Bewegungen drinnen mit geometrischen und visuellen Daten.

Eine neue Methode verbessert die Autorenidentifikation in historischen Dokumenten mit Vision Transformers.

Eine neue Methode integriert menschliches Feedback, um das OOD-Lernen für Machine-Learning-Modelle zu verbessern.

Die Schnittstelle von menschlichem Feedback und Multi-Agenten-Systemen erkunden, um bessere Zusammenarbeit zu ermöglichen.

Neue Methoden kombinieren Dichteschätzung und Deep Learning für effektive Anomalieerkennung.

Ein neuartiges referenzfreies Mass verbessert die Bewertung von Objektentfernungen in der Bildbearbeitung.

Ein neuer Ansatz, um Graphdaten effektiv zu übertragen, indem man sich auf die wesentlichen Informationen konzentriert.

Maschinelles Lernen verbessert Vorhersagen und Überwachung in der biopharmazeutischen Herstellung.

Forscher verbessern Modelle, um Verbrechen genauer vorherzusagen und die Strafverfolgung zu unterstützen.

Lern, wie Gausssche Prozesse mit Vorhersageunsicherheit im maschinellen Lernen umgehen.

Die Forschung hat das Ziel, die Sicherheit an Kreisverkehren zu verbessern, indem Dilemma-Zonen vorhergesagt werden.