Informática - Aprendizaje automático

Un nuevo marco mejora la toma de decisiones para vehículos aéreos de combate no tripulados en combates aéreos.

La investigación revela cómo los modelos de lenguaje grandes responden a diferentes tipos de entrada.

TSER mejora la precisión de las predicciones generando muestras sintéticas para series temporales poco representadas.

Un nuevo método mejora la equidad en el aprendizaje federado en diversas comunidades.

Nuevos métodos mejoran cómo analizamos estructuras de datos gráficas complejas.

Nuevo método reduce las amenazas de backdoor en redes neuronales profundas.

Una descripción general de los métodos de gradiente de política en el aprendizaje por refuerzo.

Entrenar modelos de lenguaje de código abierto mejora el modelado de optimización para aplicaciones industriales.

Una mirada detallada a cómo medir de manera efectiva los resultados diversos en iniciativas sociales.

Un nuevo marco mejora los algoritmos de optimización usando técnicas de aprendizaje basadas en datos.

Este artículo examina las U-Nets y su papel en el procesamiento de imágenes usando modelos generativos.

Este estudio analiza cómo las decisiones pasadas revelan las funciones de bienestar social de los tomadores de decisiones.

Los investigadores descubren grupos de conceptos visuales en la actividad cerebral.

Explora el impacto de las normas en el entrenamiento y rendimiento de las redes neuronales.

Este artículo habla sobre el etiquetado salutario, un método para reducir la intervención humana en el aprendizaje automático.

Un nuevo marco mejora el aprendizaje automático a partir de diversas fuentes de información.

Un análisis de los factores que influyen en el olvido en el aprendizaje automático.

Un nuevo algoritmo mejora la verificación de redes neuronales para su confiabilidad y equidad.

Un nuevo algoritmo mejora los conjuntos de predicción para una mejor toma de decisiones de los expertos.

Un nuevo marco mejora la extracción de atributos de productos en el retail de moda.

Este artículo habla sobre nuevos métodos para explicar las decisiones de la IA en la detección de objetos.

Investigando los efectos de LoRA en la equidad entre diferentes grupos en el aprendizaje automático.

Este estudio explora cómo las representaciones de redes neuronales evolucionan durante el entrenamiento, inspirado en la naturaleza.

Nuevos métodos mejoran la detección de muestras atípicas en entornos de datos mixtos.

SADA mejora la estabilidad del entrenamiento en el aprendizaje por refuerzo visual con técnicas avanzadas de aumento de datos.

Explora el papel de la memoria y el contexto en la mejora del aprendizaje automático.

Un nuevo método reduce el tiempo y el costo en el entrenamiento de modelos de difusión.

Este estudio explora cómo las DNN aprenden y se adaptan a través del entrenamiento.

Este artículo examina los riesgos de ajustar modelos de lenguaje para la seguridad.

Explorando el papel de las GNN en el crecimiento de las tecnologías IoT.

Un estudio evalúa cómo los modelos cuánticos y clásicos responden a ataques adversariales.

Nuevos métodos mejoran la eficiencia de atribución de datos de entrenamiento en modelos de IA.

SynCx mejora el descubrimiento de objetos usando pesos de valores complejos y procesamiento iterativo.

Usando aprendizaje automático para predecir riesgos de deslizamientos laterales por terremotos.

FedHPL mejora la eficiencia del aprendizaje federado mientras garantiza la privacidad de los datos en todos los dispositivos.

Mejorando la calidad de generación de texto al seleccionar ejemplos más limpios.

Un nuevo método permite la transferencia de módulos LoRA con datos sintéticos, minimizando la dependencia de datos originales.

Un nuevo método para analizar redes temporales y su incertidumbre.

WeiPer mejora la detección de datos fuera de distribución en modelos de aprendizaje automático usando ajustes de peso.

DSAM ofrece una nueva perspectiva sobre la conectividad cerebral utilizando técnicas avanzadas de aprendizaje profundo.