Informática - Aprendizaje automático

Las Redes Kolmogorov-Arnold ofrecen soluciones innovadoras para el análisis de datos y el aprendizaje.

DeepHGNN mejora la precisión de la previsión jerárquica usando redes neuronales gráficas.

Un nuevo modelo mejora las previsiones de energía, reduciendo costos en los mercados de electricidad.

Examinando los sesgos en los modelos de lenguaje según diferentes factores demográficos.

Nuevo método mejora la comprensión de las salidas del autoencoder en dinámica de fluidos.

Un método de IA mejora las predicciones de dosis de radioterapia al estimar la incertidumbre.

Examinando cómo las etiquetas dentro de la distribución afectan la detección fuera de la distribución en aprendizaje automático.

Este estudio mejora la seguridad del aprendizaje automático cuántico contra ataques adversariales a través de canales de ruido y métodos de privacidad.

Un nuevo método para mejorar la eficiencia del algoritmo Push-Relabel usando flujo predicho.

Un nuevo método para mejorar los modelos predictivos usando datos inciertos.

Una mirada al razonamiento formal en transformadores solo de codificador y sus implicaciones.

Un sistema innovador combina noticias y evaluaciones cognitivas para adultos mayores.

Un nuevo enfoque mejora la diversidad de las solicitudes para modelos de lenguaje más seguros.

Explorando cómo los transformadores abordan de manera efectiva varias tareas de razonamiento en grafos.

Los VLMs tienen problemas con la clasificación de imágenes, pero una mejor integración de datos puede mejorar sus capacidades.

Explorando el papel del descenso por gradiente en la optimización estocástica y sus implicaciones para el tamaño de la muestra.

Un nuevo modelo simplifica la creación de imágenes y videos con IA, mejorando la velocidad y la calidad.

Explorando métodos de entrenamiento eficientes para modelos grandes de aprendizaje automático.

Un desafío busca mejorar el delineado de tumores en escaneos del cerebro para una mejor planificación del tratamiento.

Explorando nuevos métodos para diseñar marcos en el aprendizaje automático.

Técnicas para mejorar la efectividad de modelos de lenguaje en diferentes idiomas.

Un nuevo método mejora la precisión de los modelos en ciencia de materiales a través de la integración de IA.

Un método para reducir el tamaño de los modelos de lenguaje grandes mientras se mantiene su rendimiento.

Explorando cómo las relaciones entre conceptos pueden mejorar la transparencia de los sistemas de IA.

Un nuevo marco mejora la planificación de viajes para modelos de lenguaje grandes.

Un nuevo enfoque ayuda a los robots a conectar datos visuales con acciones.

AnyFit ofrece pruebas virtuales realistas con sus características y tecnología innovadoras.

Los TSRMs ofrecen una nueva forma de analizar datos de series temporales de manera efectiva.

El BraTS Challenge lleva los límites en la segmentación automatizada de meningiomas usando deep learning.

Un nuevo estándar para evaluar la equidad en los métodos de aprendizaje de representación.

Examinando los peligros de los modelos de lenguaje cuantizados y su posible mal uso.

Entender y mitigar las alucinaciones en la IA para un rendimiento confiable.

Te presentamos MAGE: una manera innovadora de explicar las Redes Neuronales de Grafos en química.

Analizando cómo LoRA afecta la retención del conocimiento en modelos preentrenados durante el aprendizaje continuo.

Factores clave que influyen en las emisiones de CO2 en naciones desarrolladas durante 25 años.

Descubre nuevas técnicas para mejorar la eficiencia en el entrenamiento de redes neuronales profundas.

Fast-FedUL ofrece métodos rápidos de eliminación de datos para el aprendizaje federado, asegurando la privacidad.

Nuevo marco mejora las predicciones al analizar series de datos interconectadas.

Una mirada al colapso neural y su impacto en los modelos de deep learning.

Un nuevo enfoque utiliza redes neuronales de convolución gráfica para un análisis eficiente de datos de música.