Informática - Aprendizaje automático

Este artículo habla sobre métodos de privacidad para datos tabulares en modelos de lenguaje grandes.

Un nuevo método mejora la atribución de características en aplicaciones de aprendizaje automático.

Este estudio mejora el diseño de tubos de descarga usando aprendizaje automático para una mejor eficiencia en energía hidroeléctrica.

Un nuevo método mejora el FQI usando log-loss para una eficiencia de aprendizaje mejorada.

Una guía para usar conjuntos suaves difusos vacilantes en escenarios de toma de decisiones complejos.

Nuevos métodos buscan mejorar la creación de imágenes humanas a partir de descripciones de texto.

Aprende a combinar los procesos de evidencia en el análisis de datos de manera efectiva.

Un nuevo enfoque para recompensar la sobreoptimización en modelos de lenguaje usando estimación de incertidumbre.

ECToNAS simplifica el proceso de encontrar arquitecturas óptimas de redes neuronales.

Presentando el hypervolumen adversarial para evaluar mejor el rendimiento de los modelos de aprendizaje profundo.

Usando modelos de datos para predecir emergencias en Edmonton y mejorar la seguridad de la comunidad.

Aprende a mitigar la transferencia negativa en el aprendizaje por refuerzo continuo con Reset y Distill.

Examinando los riesgos y métodos de detección para contenido generado por IA.

Un nuevo enfoque mejora la forma en que se combinan diferentes tipos de datos para un mejor análisis.

Nuevo método mejora la precisión de las predicciones al gestionar errores a través de los pasos de tiempo.

DARL ofrece nuevos métodos para que las máquinas aprendan y creen imágenes de manera efectiva.

Abordando la equidad en el aprendizaje automático para mejores resultados estadísticos.

One4All-ST ofrece una forma simplificada de predecir el movimiento urbano y las necesidades.

Un nuevo método mejora las GNNs al mejorar el reconocimiento de la estructura del grafo.

Explorando homomorfismos de grafos para mejorar las capacidades de generalización de las GNN.

Un nuevo enfoque combina el aprendizaje de representaciones causales y modelos fundamentales para una mejor comprensión.

Enfoque innovador usando redes neuronales para estabilizar sistemas de PDE de manera eficiente.

Explorando el comportamiento de los neutrinos durante las supernovas y sus efectos de conversión de sabor.

DiNAS ofrece una nueva forma de crear redes neuronales de alto rendimiento rápidamente.

Nuevos hallazgos ponen en duda la idea de que la robustez de la clasificación y la explicación estén relacionadas.

Este artículo examina cómo las redes neuronales mejoran las predicciones con pesos iniciales pequeños.

Abordando la sobreestimación del valor y el sesgo de primacía para mejorar el rendimiento del agente.

APRICOT mejora la confianza en los modelos de lenguaje al medir con precisión la confianza en las respuestas.

DiffRed combina técnicas para simplificar el análisis de datos y mejorar los resultados.

Un nuevo método mejora la precisión en las recomendaciones de temas para proyectos de software.

Un método adaptativo para proteger la privacidad en aplicaciones inteligentes utilizando aprendizaje por refuerzo.

Un nuevo método mejora la precisión de las predicciones usando modelos de lenguaje grandes.

Un nuevo marco para mejorar el aprendizaje en el Aprendizaje Incremental Federado mientras se garantiza la privacidad de los datos.

Aprende cómo GKEDM mejora el rendimiento de las Redes Neuronales Convolucionales de Grafos.

Analizando modelos para predecir los precios de la electricidad en el mercado de equilibrio que está cambiando.

Los GOMs mejoran la adaptabilidad y la toma de decisiones de los agentes a través de la modelización de resultados a largo plazo.

Este artículo habla sobre el impacto de los errores de etiquetado humano en SCL y una nueva solución.

Este estudio revela métodos para detectar huecos inusuales en los datos de movimiento de objetos.

Explorando los riesgos de privacidad relacionados con ataques de inferencia de membresía en el aprendizaje automático.

Examinando cómo el ancho de la red impacta la retención de conocimiento durante tareas de aprendizaje secuencial.