Li Shen

DFedADMM y DFedADMM-SAM mejoran el entrenamiento del modelo mientras aseguran la privacidad de los datos.

Combinando modelos para mejorar la precisión y eficiencia en el aprendizaje profundo.

Nuevos métodos mejoran la traducción automática para lenguas de pocos recursos.

Un nuevo método de IA mejora el análisis de mamografías sin necesitar una gran cantidad de datos etiquetados.

Este artículo habla sobre métodos para reducir sesgos en el análisis de datos.

Un nuevo enfoque busca clasificar la enfermedad de Alzheimer usando múltiples tipos de datos.

Un nuevo marco mejora el aprendizaje a partir de modelos preentrenados sin datos originales.

Explorando la regularización de agrupaciones de tareas para manejar la heterogeneidad del modelo.

La investigación presenta un marco para mejorar la comprensión de las redes cerebrales y la conectividad.

Un nuevo marco mejora el rendimiento del modelo con datos limitados.

Un nuevo método para mejorar modelos preentrenados usando fine-tuning selectivo.

Los investigadores combinan fMRI y MEG para estudiar la actividad cerebral durante tareas cognitivas.

Este artículo explora el comportamiento y el transporte de tensioactivos usando simulaciones por computadora.

Explora el enfoque del aprendizaje federado para la privacidad en el aprendizaje automático.

Un nuevo modelo mejora la capacidad de la IA para aprender sin olvidar.

Un nuevo método mejora la calidad del código generado por los modelos de lenguaje.

Este artículo aborda el sesgo en modelos gráficos y propone un método para un análisis justo.

A-FedPD ajusta las actualizaciones del modelo para reducir la inestabilidad en el entrenamiento del aprendizaje federado.

Un nuevo método mejora la segmentación de imágenes médicas usando menos muestras etiquetadas.

Una mirada a cómo el aprendizaje de gráficos mejora la adaptación de dominio semi-supervisada.

FWA mejora la velocidad del aprendizaje automático y la generalización a través de un cuidadoso promedio de pesos.

Una mirada a los métodos de optimización bivalente y su impacto en los modelos de aprendizaje automático.

Descubre cómo la conectómica cerebral mejora las redes de estado de eco para hacer mejores predicciones.