Informática - Aprendizaje automático

Un nuevo enfoque mejora los modelos de aprendizaje profundo para un uso eficiente en la tecnología portátil.

Investigación sobre cómo predecir el tiempo de entrenamiento para modelos de aprendizaje automático usando FPTC.

Este artículo analiza las dificultades de revertir modelos generativos en IA.

Este estudio explora nuevas formas de evaluar aplicaciones de blockchain usando aprendizaje automático.

Languini Kitchen apoya a los investigadores en la modelación de lenguaje con comparaciones justas y mejores conjuntos de datos.

Explorando la necesidad de seguridad y confianza en los sistemas de IA.

Los investigadores están mejorando las formas de estudiar las conexiones del cerebro para mejorar los métodos de tratamiento.

RHALE mejora la medición del efecto de características en IA, abordando limitaciones clave de los métodos existentes.

Una mirada a métodos aleatorios para aproximar la profundidad de Tukey en datos complejos.

El aprendizaje automático mejora la búsqueda de nuevos materiales, mejorando las predicciones de estabilidad.

Las reglas TT combinan modelos tradicionales y aprendizaje profundo para obtener mejores conocimientos en salud.

Un enfoque novedoso para detectar puntos de datos inusuales en varios campos.

Las redes neuronales hiperbólicas mejoran la representación de estructuras arbóreas en la ciencia de datos.

Un nuevo método mejora la detección de errores usando datos de juego sin etiquetar.

Este estudio destaca enfoques programáticos para mejorar la eficiencia en la resolución de problemas de matemáticas.

Un método para mejorar las predicciones del modelo usando múltiples núcleos al mismo tiempo.

Este artículo habla de cómo los conceptos causales mejoran la capacidad de la IA para generalizar a datos nuevos.

PROPLACE mejora la fiabilidad de las explicaciones contrafactuales en el aprendizaje automático.

Un nuevo sistema convierte datos de EEG para mejorar las predicciones usando modelos preentrenados.

Explorando estrategias para mejorar el aprendizaje activo usando etiquetas ricas y incertidumbre.

Se presenta un nuevo método para puntuar la precisión factual en resúmenes largos.

Este estudio examina el uso de redes neuronales para recuperar señales a partir de observaciones ruidosas.

Un nuevo método para lograr equidad en múltiples atributos sensibles en algoritmos.

Los investigadores usan técnicas de IA para predecir las funciones de las proteínas a partir de secuencias de aminoácidos.

Un nuevo método mejora la ubicación de centros logísticos para entregas eficientes en Lahore.

Presentamos SPICED, un conjunto de datos para analizar artículos de noticias similares sobre varios temas.

Un nuevo método mejora los modelos Transformer al reducir el uso de computación y memoria.

DJINN genera escenarios de tráfico realistas para probar autos autónomos.

Explora el papel de los Grafos de Conocimiento y los embeddings en las aplicaciones de datos modernas.

Una mirada a cómo las opiniones de expertos pueden guiar la toma de decisiones.

Una mirada a cómo demostrar desigualdades y estimar errores en modelos matemáticos.

Nuestros nuevos métodos reducen el uso de memoria en el aprendizaje automático sin perder precisión.

La fusión suave mejora el aprendizaje profundo al combinar modelos de manera eficiente y efectiva.

Presentamos SALSA-CLRS para mejorar la evaluación de algoritmos usando gráficos dispersos.

SQuArE métrico mejora la evaluación de sistemas de QA a través de múltiples referencias de respuestas.

Examinando formas de asegurar que todos los grupos tengan acceso justo a programas beneficiosos.

Un nuevo método mejora el uso del espectro en redes inalámbricas a través de la predicción espacial proactiva.

Un método para mejorar la detección de objetos en diferentes entornos usando datos pasados.

MELAGE ayuda a doctores e investigadores a analizar imágenes del cerebro para un mejor diagnóstico.

Explorando un algoritmo clásico para optimizar problemas de grafos.