Computerwissenschaften - Maschinelles Lernen

Forschung schaut sich an, wie bekannte Medikamente für neue COVID-19-Behandlungsoptionen genutzt werden können.

Das neue SAM++-Framework verbessert die Genauigkeit bei der Identifizierung anatomischer Strukturen in medizinischen Scans.

LLMs zeigen das Potenzial, die Chemie und Materialwissenschaften durch innovative Projekte voranzubringen.

Eine neue Methode verbessert Vorhersagen von nuklearen Eigenschaften mithilfe von Machine Learning.

RANS-PINN kombiniert maschinelles Lernen und Physik für schnellere Vorhersagen bei turbulenten Strömungen.

Ein neues G-CNN verbessert die 3D-Medizinbildanalyse und Genauigkeit.

Ein neuer Datensatz verbessert die Forschung zur Luftqualität mit zuverlässigen Daten und hoher Sensordichte.

Semantische Trajektorien helfen uns, Bewegungsmuster besser zu verstehen, indem sie kontextuelle Einblicke bieten.

Ein Blick auf dezentrale Deep-Learning-Ansätze, die den Datenschutz in den Vordergrund stellen.

ReCoV hilft dabei, störende Labels zu identifizieren und zu entfernen, um die Modellleistung zu verbessern.

Die Effizienz im Design durch kollaborative Optimierungsmethoden steigern.

Eine neue Methode verbessert die Erkennung von bekannten und unbekannten Objekten.

Forschung zeigt versteckte Risiken in Machine-Learning-Modellen durch Steganographie auf.

Das ELM-Neuronenmodell vereinfacht das Verständnis komplexer Gehirnfunktionen mit weniger Parametern.

Ein neuer Ansatz verbessert die Vorhersagen zum Kundenlebenszeitwert für bessere Geschäftsentscheidungen.

Lern, wie medizinische Bildgebung bei der Diagnose und Behandlung von Krankheiten hilft.

FLOWER behandelt Few-Shot-Lernen und katastrophales Vergessen in Machine-Learning-Modellen.

TensorNet verbessert molekulare Vorhersagen mit effizienten Tensor-Darstellungen.

Ein neues Framework verbessert das Training von graphkonvolutionalen Netzwerken durch adaptive Clusterbildung.

Eine neue Methode verbessert die Erkennung von Sprechakten in Bengali durch Audio- und Textanalyse.

Erkunde, wie Ausreisser das k-Means-Clustering beeinflussen und welche Methoden zur Bewertung es gibt.

Ein neues Modell passt sich der Heterophilie in Grafen an, was die Leistung und Genauigkeit verbessert.

Neue Methode kombiniert maschinelles Lernen mit Turbulenzmodellierung für verbesserte Simulationen.

Untersuchung von Herausforderungen und Strategien zur Verbesserung der Modellsicherheit gegen adversariale Angriffe.

Erforschen, wie Sprache dabei hilft, Ziele in sozialen Situationen zu erkennen.

Neue Methode verbessert E-Commerce-Empfehlungen, indem sie die Kaufabsichten der Kunden versteht.

Eine neue Methode nutzt neuronale Netzwerke, um PDEs effizient zu lösen und dabei die physikalischen Gesetze zu wahren.

Die Herausforderungen und Strategien in Multi-Agenten-Lernsystemen erkunden.

Eine Studie über Lernmethoden für Broadcast-Protokolle in komplexen Systemen.

Diese Studie verbessert die Techniken für visuelles Fragenbeantworten, um die Analyse von Fernerkundungsbildern zu verbessern.

Ein neues Framework optimiert aktives Lernen über verschiedene Datentypen hinweg.

Selbstkodierer verbessern die Datenorganisation und -klassifikation im maschinellen Lernen.

Diese Studie untersucht die Herausforderungen der Urbanisierung und prädiktive Modelle für den Transport in Indien.

Ein neuer Ansatz verbessert das Verständnis und die Leistung von Wort-Embeddings.

Die Balance zwischen Privatsphäre und Fairness in föderierten Lernmodellen untersuchen.

Neue Methoden verbessern die Genauigkeit in der medizinischen Bildgebung mit Deep Learning und gewebeähnlichen Phantomen.

Neues Framework verbessert die Sicherheit und das Belohnungslernen in KI-Anwendungen.

Ein Blick darauf, wie man Unsicherheit quantifizieren kann, um Vorhersagen im maschinellen Lernen zu verbessern.

Neue Methode nutzt Bildmining fürs Training ohne Anmerkungen.

Eine einfache Übersicht über Tensorzerlegung und ihre verschiedenen Anwendungen.