Informática - Aprendizaje automático

AQ-PINNs combina la computación cuántica y la IA para hacer modelos climáticos más eficientes.

Los investigadores usan aprendizaje automático para predecir la difusión de información en sistemas cuánticos.

Un estudio sobre cómo Mamba se desempeña frente a Transformers en tareas de imagen-texto.

Graffin mejora la clasificación de nodos finales en escenarios de datos desbalanceados.

La competencia muestra los esfuerzos por modelos de conducción más seguros en condiciones adversas.

Este estudio presenta métodos para la optimización bayesiana en diferentes espacios de búsqueda.

Presentamos ERF-CondLaneNet para mejorar la detección de carriles en situaciones complejas de carretera.

GLARE mejora la clasificación de apelaciones especiales en el sistema legal de Brasil.

Este estudio presenta un modelo que aprende simulaciones a partir de video.

Un nuevo método para entrenar CNNs directamente en dispositivos móviles y de borde.

La detección de anomalías es clave para asegurar la seguridad y fiabilidad de los vehículos.

PF-PPO mejora los modelos de lenguaje al filtrar recompensas poco confiables para obtener mejores respuestas de código.

Un nuevo método mejora la privacidad mientras asegura un buen rendimiento del modelo en el Aprendizaje Federado.

Nuevo método mejora la capacidad de la NAR para encontrar múltiples soluciones a problemas.

Los avances en IA hacen que el audio falso sea común, lo que genera la necesidad de detección.

Nuevo modelo mejora las predicciones de los efectos de las moléculas en el comportamiento celular.

Los investigadores ajustan los LLMs para mejorar la honestidad y la fiabilidad en los resultados.

Un estudio examina cómo caminar en VR afecta la enfermedad y el rendimiento cognitivo.

Nuevo modelo mejora las predicciones de emociones humanas a pesar de los retos de datos escasos.

Nuevos métodos mejoran la detección de anomalías adaptando los tamaños de los átomos en el aprendizaje de diccionarios.

Nuevos conjuntos de datos mejoran las aplicaciones de aprendizaje automático en ciencia de materiales e imagen.

BIFURC ayuda al personal médico a localizar venas y arterias rápido en emergencias.

Un nuevo método mejora la creación de movimiento humano realista a través de IA.

Una nueva técnica mejora la claridad en las imágenes de rayos X de los huesos, ayudando en el diagnóstico.

HybridFC combina métodos para mejorar la verificación de hechos en grafos de conocimiento.

Meta Flow Matching mejora nuestra comprensión del comportamiento celular y las respuestas al tratamiento.

Las etiquetas de preferencia suave mejoran la alineación de los modelos con las elecciones humanas.

PharmacoMatch usa aprendizaje automático para mejorar la eficiencia del screening de farmacóforos.

Una mirada a las relaciones entre las formas geométricas y sus propiedades.

Examinando cómo la responsabilidad y el seguro pueden mitigar los riesgos de la IA.

Los algoritmos enfrentan sesgos y retrasos en la retroalimentación de preferencias de los usuarios.

Mejorando las capacidades de Llama-3 con una mezcla de idiomas mejorada y métodos de entrenamiento.

Una mirada a métodos de muestreo efectivos para Redes Neuronales Bayesianas amplias.

Usando aprendizaje auto-supervisado para clasificar imágenes submarinas en un marco jerárquico.

RHyME mejora el aprendizaje de los robots al permitirles aprender de demostraciones humanas variadas.

Los robots pueden aprender tareas complejas con menos ejemplos usando un nuevo método de enseñanza.

N nuevas métricas ayudan a evaluar métodos SSL usando datos sin etiquetar de manera efectiva.

Un estudio destaca la necesidad de fiabilidad en los modelos de aprendizaje automático de máquinas de MRI.

Examinando el papel y la efectividad de la información privilegiada en el aprendizaje automático.

Un nuevo enfoque para reducir inexactitudes en los modelos de lenguaje usando escepticismo.