Informática - Aprendizaje automático

Este artículo propone un método para seleccionar juegos y determinar clasificaciones de manera justa.

Un nuevo método mejora la generación de imágenes personalizadas usando modelos de IA ya existentes.

La normalización por lotes federada mejora el entrenamiento de modelos en entornos de aprendizaje distribuido.

Los conjuntos de datos dinámicos mejoran el aprendizaje del modelo y reducen la necesidad de recursos.

I2CL mejora la eficiencia y el rendimiento en tareas de modelos de lenguaje.

PhiNet imita los sistemas de memoria humanos para mejorar el aprendizaje automático.

TimeMixer combina patrones de datos detallados y amplios para una mejor precisión en las predicciones.

ShapeFormer mejora la precisión de clasificación al combinar características específicas de clase y características generales.

Este método combina aprendizaje profundo y matemáticas para mejorar la restauración de imágenes.

Un estudio presenta RepNoise para proteger a los modelos de lenguaje grandes de un ajuste fino dañino.

Un modelo mejora las predicciones de la reflexión de la luz del suelo para ayudar en estudios ambientales.

Nuevos métodos mejoran las predicciones y la estimación de parámetros en simulaciones físicas.

Un nuevo método mejora el rendimiento de la IA al usar de manera efectiva a todos los expertos disponibles.

Un nuevo método combina tecnología para calcular la huella de carbono de manera precisa y con explicaciones que se entienden.

Este artículo presenta un método para identificar relaciones causales en sistemas complejos.

Nuevos métodos mejoran la auditoría de privacidad, centrándose en modelos de estado oculto en el aprendizaje automático.

LoRA-Ensemble combina modelos para mejores predicciones y manejo de la incertidumbre.

Un nuevo sistema mejora el aprendizaje automático a través de un mejor razonamiento abstracto y menos ejemplos.

Este artículo examina los métodos de Neyman para evaluar reglas de tratamiento modernas adaptadas a individuos.

Mejorando el aprendizaje distribuido a través de técnicas de recorte robusto adaptativo.

Nuevos métodos mejoran el rendimiento del modelo durante la cuantización en modelos de lenguaje.

Nuevo método mejora la eliminación de datos en modelos de gráficos dinámicos mientras asegura la privacidad.

Un nuevo método mejora la predicción generando datos de forma dinámica durante el entrenamiento.

CoMERA optimiza el entrenamiento de modelos de IA, reduciendo el uso de memoria y el tiempo, mientras mantiene la precisión.

Un nuevo enfoque mejora el entrenamiento de redes neuronales para resolver ecuaciones diferenciales.

Un nuevo método para mejorar el uso de memoria en modelos de lenguaje.

Un método de aprendizaje activo en dos etapas mejora la precisión del reconocimiento de voz con menos datos.

Explora cómo la teoría de la información mejora nuestro conocimiento sobre el comportamiento de los materiales.

Un método para derivar requisitos de seguridad a partir de datos de comportamiento del sistema.

Un nuevo método mejora la comprensión de las predicciones de las Redes Neuronales Gráficas.

ReAd mejora el trabajo en equipo de los robots al perfeccionar los mecanismos de planificación y retroalimentación.

Un nuevo método mejora las predicciones de gráficos con estimaciones de incertidumbre confiables.

CoNHD mejora el modelado de hipergrafos para relaciones complejas con clasificación dependiente de los bordes.

Técnicas para refinar datos en machine learning para mejor eficiencia y precisión.

Un nuevo método asegura una restauración de imágenes confiable entrenando redes neuronales monótonas.

Un nuevo enfoque basado en datos mejora la seguridad y eficiencia en la construcción subterránea.

Un método que personaliza la esparcimiento de grafos para mejorar el rendimiento de las redes neuronales.

La armonía mejora la eficiencia del aprendizaje automático en la comprensión de imágenes y videos.

Este artículo habla de cómo los transformadores pueden mejorar las tareas de toma de decisiones en varias áreas.

Un nuevo método mejora las predicciones de la red al examinar las relaciones entre nodos a través de la adyacencia orbital.