Informática - Aprendizaje automático

Un nuevo enfoque que combina aprendizaje profundo y WENO para mejorar las simulaciones de flujo.

Un nuevo marco mejora el análisis dinámico de grafos, abordando desafíos clave en la representación.

Un nuevo marco mejora la claridad y escalabilidad de las visualizaciones de gráficos.

Nuevos métodos mejoran la privacidad en el aprendizaje automático al perfeccionar los mecanismos de selección privada.

Un nuevo método mejora la eficiencia de la comunicación en el aprendizaje federado.

Un nuevo modelo mejora la precisión en pronósticos a largo plazo usando técnicas innovadoras de redes neuronales.

Una nueva herramienta reduce gastos en la corrección automática de errores mientras mantiene la efectividad.

Una guía para entender modelos predictivos y sus aplicaciones en el aprendizaje.

Explorando la técnica Diffusion-ES para mejorar la navegación de coches autónomos.

Un nuevo método basado en audio estima el tamaño de las multitudes sin invadir la privacidad personal.

Explorando técnicas de agrupamiento difuso para el análisis de series temporales circulares.

Un nuevo método para mejorar la optimización offline en varios campos.

ACTER ofrece explicaciones efectivas para las fallas en las decisiones de la máquina en el aprendizaje por refuerzo.

Explorando cómo el entrenamiento adversarial mejora la robustez del modelo a través de la purificación de características.

Este artículo habla sobre el Ataque SpongeNet y su impacto en el consumo de energía en modelos de aprendizaje profundo.

TimEHR genera datos sintéticos de series de tiempo realistas a partir de registros electrónicos de salud para ayudar en la investigación.

Aprende a combinar tablas de datos para mejorar las predicciones.

Aprende cómo P3LS permite el intercambio seguro de datos en la manufactura.

Las preguntas del estudio cuestionan la necesidad de optimizar ejemplos en contexto cuando se dan instrucciones claras.

Explorando los bucles de retroalimentación en los modelos de lenguaje y sus consecuencias no intencionadas.

Los investigadores exploran LLMs para guiar los movimientos de caminata de los robots con indicaciones de texto.

Los investigadores desarrollan un método para controlar robots de manera eficiente en diferentes diseños.

Un nuevo método mejora cómo los robots interpretan las instrucciones de los usuarios de manera segura.

TEE4EHR mejora el análisis de datos de pacientes usando técnicas de aprendizaje profundo.

Explorando la sinergia entre el aprendizaje por refuerzo y los problemas de campo medio para la optimización de sistemas complejos.

Este estudio presenta un método para asignar recompensas en entornos desconocidos.

OceanBench simplifica el análisis de datos oceánicos para mejorar el monitoreo de la altura del nivel del mar.

Un nuevo método mejora la comparación de modelos climáticos con observaciones del mundo real.

Examinando cómo los modelos de lenguaje pueden comprimir eficientemente varios tipos de datos.

Explorando el impacto y los desafíos de Gemini en el campo médico.

Los condensados de exciton-polaritones pueden dar lugar a nuevas tecnologías totalmente ópticas y dispositivos eficientes.

hFedF mejora el rendimiento del aprendizaje federado al abordar los desafíos de la generalización de dominios.

Nuevo enfoque combina de manera efectiva la eliminación de ruidos y la segmentación para mejorar el análisis de imágenes.

Las puertas traseras arquitectónicas representan serios riesgos de seguridad en las redes neuronales, a menudo permaneciendo sin ser detectadas.

Este trabajo mejora la segmentación de imágenes de fondo de retina a través de métodos de reducción de ruido.

Un nuevo enfoque para las negociaciones en la nube mejora la asignación de recursos y reduce costos.

Este estudio compara estrategias de evolución y aprendizaje profundo por refuerzo en varias tareas.

Un nuevo enfoque para el reconocimiento de voz mejora la interacción del usuario con instrucciones flexibles.

Un método para realizar pruebas bayesianas mientras se protege la privacidad individual.

Una mirada a cómo los MLLMs manejan pequeños detalles en las imágenes.