Informática - Aprendizaje automático

SYMPOL une claridad y efectividad en la toma de decisiones en el aprendizaje por refuerzo.

KarSein mejora la precisión y eficiencia en la predicción de CTR para anuncios en línea.

Un enfoque novedoso para vehículos autónomos que prioriza la seguridad y la comodidad.

Los NRM mejoran el aprendizaje automático recordando acciones y experiencias pasadas.

MIA-Tuner busca resolver problemas de privacidad en los datos de entrenamiento de LLM.

Un estudio sobre cómo usar big data para predecir interrupciones en las cadenas de suministro.

Usando métodos basados en datos para predecir cómo se comporta el sistema de alcantarillado durante lluvias fuertes.

Un nuevo marco mejora la privacidad y la calidad de los datos en el aprendizaje federado.

DeepDFA combina DFAs y RNNs para un reconocimiento de patrones efectivo.

Mejorando el descenso de espejo de políticas con aceleración funcional para tomar decisiones más rápido.

Un marco para evaluar la seguridad y las emisiones en vehículos autónomos.

GrassNet usa Modelos de Espacio de Estado para el filtrado adaptativo en redes neuronales gráficas.

Nuevo método mejora la detección del cáncer de mama usando imágenes FFDM y SM.

Este estudio explora aplicaciones de aprendizaje automático para predecir movimientos en los mercados financieros.

Explorando cómo diferentes estrategias de tokenización pueden mejorar el rendimiento del modelo de lenguaje.

Un método para identificar cambios significativos en los datos con el tiempo.

Un nuevo marco que imita el aprendizaje biológico usando reacciones químicas.

Explorando cómo las entradas externas moldean las respuestas de los modelos de lenguaje grandes.

Los investigadores proponen un método para mejorar los modelos médicos mientras se asegura la privacidad de los datos.

Un nuevo optimizador muestra buenas expectativas para ajustar modelos preentrenados.

Aprovechando datos de simulaciones para mejorar la producción en la fabricación de semiconductores.

Un nuevo método mejora la verificación de seguridad de redes neuronales en sistemas críticos.

El aprendizaje automático está transformando la forma en que estudiamos y predecimos el comportamiento de los materiales.

Esta investigación se centra en usar IA para generar nuevas trayectorias orbitales en astrodinámica.

Nuevas funciones de activación mejoran las redes neuronales para resolver ecuaciones complejas.

Polar-FFA mejora el aprendizaje en redes neuronales, aumentando la precisión y la estabilidad.

Nuevos métodos mejoran la precisión de la clasificación de nodos en grafos con datos etiquetados limitados.

Nuevas formulaciones mejoran la precisión y eficiencia de los árboles de decisión usando optimización lineal entera mixta.

Abordando los desafíos de clasificar contenido mediático diverso de manera efectiva.

SGMCMC y el meta-aprendizaje mejoran las Redes Neuronales Bayesianas para hacer mejores predicciones.

Un nuevo enfoque combina árboles de decisión con redes neuronales para mejorar la eficiencia y precisión.

La investigación se centra en hacer que los sistemas de control basados en redes neuronales sean confiables y seguros.

Un enfoque nuevo para el aprendizaje por imitación que mejora el rendimiento con datos limitados.

Investigar la interacción de los transformadores con datos de Markov revela información sobre la eficiencia del modelo.

Un nuevo método para mejorar la atención en la generación de código por modelos de lenguaje.

Usando gráficos dinámicos para revelar patrones en los viajes de pasajeros urbanos.

Presentamos un sistema revolucionario para generar música vocal hindustaní.

Usando datos para prevenir problemas en los vehículos y mejorar la preparación militar.

Investigadores mejoran los modelos de incrustación de texto usando puntuaciones de expertos para un mejor rendimiento.

NoRA ofrece una forma más inteligente de adaptar modelos grandes con menos recursos.