Informática - Aprendizaje automático

Este artículo mejora el aprendizaje federado para GNNs mientras se mantiene la privacidad del usuario.

AUGUR simplifica la búsqueda de lugares óptimos para la unión molecular usando técnicas avanzadas.

Este estudio mejora la eficiencia del aprendizaje federado usando servidores edge para una mejor gestión de recursos.

Mejorando la precisión de las mediciones de energía en experimentos de física de partículas.

Un modelo para evaluar la calidad de segmentación sin referencias de verdad objetiva.

Nuevas técnicas podrían mejorar el tratamiento del cáncer con un mejor monitoreo de la dosis de radiación.

Un nuevo enfoque ayuda a los satélites a reducir el uso de batería y extender su vida útil.

Este artículo examina MLPs y KANs en entornos con pocos datos.

HealthQ evalúa la capacidad de la IA para hacer preguntas en el cuidado de pacientes.

Una mirada a cómo las CNN aprenden características de imágenes y sus similitudes universales.

Un nuevo método ofrece estimaciones rápidas de rendimiento para afinar modelos de lenguaje.

Analizando la sobre-parametrización en RMLR y futuras direcciones de investigación.

Una mirada profunda a las opiniones de los investigadores sobre el uso de modelos de lenguaje en estudios cualitativos.

STVNN ofrece una solución sólida para analizar datos complejos a lo largo del tiempo.

MAST mejora la eficiencia en el entrenamiento de múltiples agentes de IA a través de métodos dispersos.

Aprende cómo los modelos de machine learning pueden mejorar al enfrentarse a datos nuevos y desconocidos.

Explorando métodos para mejorar los modelos multimodales en desglosar preguntas visuales.

Nuevos métodos mejoran el reconocimiento de voz para lenguas de pocos recursos sin texto.

Un nuevo marco mejora la eficiencia del aprendizaje en el aprendizaje continuo en línea.

Las funciones de Zorro ofrecen soluciones fluidas para mejorar el rendimiento de redes neuronales.

Un marco que usa MLP y SVM identifica malware en Android de manera efectiva.

Un método para abordar de manera eficiente desafíos complejos de mínimos cuadrados.

Una mirada a cómo los modelos o1 planean acciones y su rendimiento en varias tareas.

Este artículo examina cómo la duración del entrenamiento afecta las tasas de aprendizaje en LLMs.

Un nuevo método para mejorar la resiliencia del Aprendizaje Federado contra ataques de datos.

Examinando la importancia de las interacciones entre proteínas y ligandos en las predicciones de modelos.

Un nuevo marco mejora la generación de datos a través de múltiples fuentes usando modelos basados en energía.

SATA mejora la robustez y eficiencia de los Transformadores de Visión para tareas de clasificación de imágenes.

Presentando el aprendizaje contra corriente como una alternativa natural a los métodos de entrenamiento tradicionales.

Un nuevo método ayuda a los robots a aprender a trabajar en equipo con el apoyo humano.

Este método mejora la fiabilidad de las puntuaciones de confianza del modelo de lenguaje.

Entendiendo las complejidades de demostrar el uso de datos en el entrenamiento de IA.

Un nuevo método ayuda a los robots a aprender tareas usando videos humanos en línea, reduciendo las necesidades de entrenamiento.

Este estudio explora métodos efectivos para generar datos sintéticos para el entrenamiento de modelos de lenguaje.

Una nueva herramienta mejora las predicciones de los rendimientos de reacciones químicas usando IA.

Un nuevo enfoque mejora la precisión de las predicciones en el análisis de series temporales.

Analizando los efectos de los métodos de poda en el rendimiento y la interpretabilidad de GoogLeNet.

Dos nuevos conjuntos de datos mejoran la investigación sobre las operaciones de perforación y la seguridad.

Un método para mejorar el rendimiento del modelo a pesar de etiquetas de datos incorrectas.

Este artículo explora el smooth boosting y sus ventajas en el entrenamiento de modelos.