Informática - Aprendizaje automático

Un nuevo enfoque mejora el tiempo y la eficiencia del entrenamiento de CNN.

Las puertas traseras en los modelos de ML representan amenazas serias para las finanzas y la salud.

Diffuse-TreeVAE combina agrupamiento y modelado generativo para crear imágenes de alta calidad.

Un nuevo enfoque para la optimización permite un mejor análisis de diferentes tamaños de paso.

Presentando el Estimador de Agrupamiento de Panel para mejorar el análisis del efecto del tratamiento.

Presentando MaxCut-Bench para una evaluación consistente de algoritmos en retos de optimización.

TrCAM-V ofrece una nueva forma de localizar objetos en videos usando información mínima.

Este estudio utiliza imágenes de satélite para medir la pobreza infantil a través de modelos avanzados.

Un método para mejorar el despliegue de aprendizaje profundo en dispositivos con recursos limitados.

Presentando matrices Group-and-Shuffle para un ajuste fino eficiente de modelos neuronales.

Un nuevo enfoque para analizar la dinámica de fluidos utilizando datos de MRI.

Los modelos de difusión ofrecen nuevas formas de generar datos de hielo marino de manera eficiente.

Un nuevo método mejora la clasificación a pesar de etiquetas ruidosas y conjuntos de datos desbalanceados.

El benchmark TAPVid-3D mejora el seguimiento de puntos 3D para aplicaciones de robótica y video.

Nuevos algoritmos mejoran la comprensión de las relaciones variables en el descubrimiento causal.

Nuevo método mejora la optimización en el aprendizaje automático con entrenamiento eficiente.

Un nuevo enfoque de IA utiliza el tunneling cuántico para entender mejor imágenes complejas.

Un nuevo enfoque para identificar infecciones usando muestras de sangre y aprendizaje automático.

Una nueva forma de entender secuencias de datos complejas sin supervisión.

Este artículo explora la toma de decisiones en juegos con información oculta usando redes neuronales.

Un estudio sobre cómo mejorar la toma de decisiones en el ajedrez con información limitada usando redes neuronales.

Perspectivas sobre el comportamiento de los usuarios a través de técnicas innovadoras de modelado de datos.

Esta investigación destaca métodos para mejorar los modelos de lenguaje añadiendo nuevo vocabulario de manera efectiva.

Un nuevo método aborda los desafíos de datos en la IA para la salud.

Un método para mejorar la precisión del modelo teniendo en cuenta la incertidumbre en las variables.

Las políticas secuenciales mejoran el rendimiento en la configuración dinámica de algoritmos con elecciones interrelacionadas.

Un método para minimizar el uso de energía mientras se mantiene el rendimiento del modelo en el aprendizaje automático.

Esta investigación habla sobre el papel del aprendizaje federado en la protección de la privacidad durante el análisis de datos.

FairPFN utiliza transformadores para promover la equidad en las predicciones de aprendizaje automático.

Nuevos métodos para pruebas estadísticas mientras se protege la privacidad de los datos a través del aprendizaje federado.

Un nuevo método que utiliza vectores circulares mejora la eficiencia en tareas de múltiples etiquetas.

Un estudio sobre cómo reducir el daño contrafactual en herramientas de toma de decisiones.

La Arquitectura de Red Dinámica ofrece un enfoque nuevo para sistemas visuales inteligentes.

GRASS mejora las redes neuronales de grafos con innovadoras técnicas de rewire y atención.

La IA está mejorando las opciones de tratamiento en entornos clínicos utilizando datos de ensayos clínicos aleatorios.

Nuevo modelo de aprendizaje profundo mejora la predicción de movimiento para objetos sólidos en 3D.

Nuevos enfoques mejoran las estrategias de control para sistemas complejos y no lineales usando características aleatorias.

Este estudio revela que los LLMs prefieren su propia producción en lugar del contenido escrito por humanos.

Los almacenes de datos más grandes mejoran el rendimiento y la precisión de los modelos de lenguaje basados en recuperación.

Una mirada a los desafíos y las innovaciones en los métodos de adaptación de dominio en grafos.