Informática - Aprendizaje automático

Un enfoque novedoso que utiliza programación genética para mejorar las funciones de pérdida en la clasificación de imágenes.

CLAIME integra datos EHR estructurados y no estructurados para obtener mejores perspectivas de salud.

Nuevos algoritmos mejoran la toma de decisiones en entornos restringidos.

Learn2Talk combina técnicas 2D y 3D para animaciones faciales realistas.

Un nuevo enfoque mejora la segmentación en imágenes médicas sin etiquetas detalladas.

G-VGPMIL mejora el aprendizaje de múltiples instancias para un análisis efectivo de imágenes médicas.

Un nuevo enfoque mejora las explicaciones de la IA a través de contrafactuales viables y coherentes.

El nuevo conjunto de datos Square-10M mejora significativamente las capacidades de respuesta a preguntas visuales de código abierto.

Una mirada al papel de GLDGCN en la mejora de la clasificación de nodos.

OTSeg mejora la segmentación semántica usando múltiples indicaciones de texto para obtener mejor precisión.

Explora el modelado de rendimiento para mejorar la eficiencia en el entrenamiento de machine learning con múltiples GPU.

Una nueva clase de PMD mejora el aprendizaje por refuerzo a través de la toma de decisiones en múltiples pasos.

DietCL combina de manera efectiva datos etiquetados y no etiquetados para un mejor aprendizaje.

Descubre cómo los investigadores están probando el conocimiento de los modelos de lenguaje.

Un enfoque novedoso para mejorar la detección de outliers usando técnicas avanzadas.

Un marco para mejorar la colaboración en la atención médica mientras se asegura la privacidad del paciente.

Un mapa de temperatura nacional ayuda en la exploración de energía geotérmica.

Un nuevo método mejora los modelos de aprendizaje automático para predicciones de estructuras atómicas.

PIPER mejora el aprendizaje por refuerzo usando retroalimentación basada en preferencias para lidiar con recompensas escasas.

Un nuevo modelo mejora la predicción de la velocidad del tráfico a través de análisis causal y adaptación de datos.

Un nuevo algoritmo mejora el aprendizaje en línea al adaptarse de manera efectiva a los datos que llegan.

Un nuevo marco para mejorar las recomendaciones sin datos previos.

Explorando métodos para recuperar parámetros del modelo a partir de puntajes de apalancamiento en el análisis de regresión.

UPINN mejora nuestra capacidad para modelar y predecir los efectos de los medicamentos de quimioterapia.

Mejorando DistilBERT para clasificar mejor las metodologías de investigación biomédica.

EncodeNet mejora la precisión de DNN sin aumentar el tamaño del modelo.

Un nuevo enfoque de optimización inversa que incorpora datos contextuales para hacer mejores predicciones.

Una mirada a cómo diferentes redes neuronales aprenden de las imágenes.

Un nuevo método garantiza la validez de las explicaciones contrafactuales a pesar de los cambios en el modelo.

TF2AIF simplifica el despliegue de modelos de IA en diferentes dispositivos y plataformas.

Aumentan las preocupaciones sobre la seguridad de los modelos de Texto-a-Imagen y su uso indebido.

CUMAD detecta dispositivos IoT hackeados mientras minimiza alertas falsas.

Este artículo habla sobre la integración del aprendizaje profundo bayesiano en enfoques de aprendizaje federado.

Presentamos FiLo: Un nuevo método para la detección y localización precisa de anomalías.

Un modelo para sugerencias de acciones personalizadas, teniendo en cuenta las preferencias y el momento.

Un nuevo método busca mejorar la equidad en la generación de datos de salud sintéticos.

Graph4GUI mejora el diseño de interfaces de usuario a través de una mejor representación y gestión.

VN-EGNN mejora el desarrollo de medicamentos al mejorar la identificación de sitios de unión en proteínas.

HistNetQ ofrece un enfoque nuevo para cuantificar datos usando aprendizaje profundo.

Este método mejora el rendimiento de las DNN en dispositivos edge mediante una poda eficiente.