Informática - Aprendizaje automático

Un nuevo marco mejora la eficiencia en el aprendizaje federado en el borde al optimizar recursos y datos.

ShiftAddAug mejora la eficiencia y precisión de las redes neuronales para dispositivos en el borde.

Examinando ataques de inferencia de membresía en modelos de pronóstico de series temporales en el sector salud.

Enfoque innovador mejora la detección de fallos en satélites sin necesidad de tener un montón de datos etiquetados.

Esta investigación examina la efectividad de Random Forest para detectar anomalías en la red.

Nuevo método mejora la eficiencia en la compresión de imágenes sin pérdida para imágenes binarias.

Nuevos métodos utilizan redes neuronales para abordar ecuaciones fraccionarias en el tiempo de manera efectiva.

Descubre cómo la pre-procesamiento de datos mejora las predicciones de resultados de salud críticos.

Este documento propone un método para convertir ICL en pesos de modelo para mejorar el rendimiento.

Dy-DCA mejora la calidad de video y la eficiencia para dispositivos móviles.

Este artículo habla sobre nuevos enfoques para mejorar las predicciones en reacciones químicas usando tecnología.

BlackVIP permite el uso eficiente de modelos de IA sin acceder a sus internos.

Un estudio sobre el uso de aprendizaje automático para predecir eventos de protones solares de manera efectiva.

Un nuevo método mejora el aprendizaje auto-supervisado al agregar un componente de memoria.

Este documento presenta un método para identificar y manejar memes dañinos de manera efectiva.

Un estudio sobre las capacidades de aprendizaje de los modelos de lenguaje grandes en tareas de aritmética modular.

Nuevo método ESQA utiliza grandes modelos de lenguaje para el análisis de secuencias de eventos.

Los marcos de prueba mejoran la fiabilidad de los modelos de lenguaje para dar respuestas confiables.

El marco ITEM mejora la capacitación y evaluación de las GNNs para mejores recomendaciones.

Un nuevo enfoque utiliza transformadores para mejorar la eficiencia y flexibilidad en la resolución de PDE.

Una mirada a los métodos para estimar los efectos del tratamiento usando datos del mundo real.

Un nuevo diseño de capa convolucional reduce parámetros y mejora la interpretabilidad en modelos de IA.

Nueva herramienta de IA ayuda a veterinarios a diagnosticar condiciones cardíacas en perros.

Aprende cómo los co-conjuntos mejoran la eficiencia en el análisis de regresión múltiple.

Presentamos datasets MERGE para mejorar la clasificación de emociones en la música.

GENTLE avanza en el aprendizaje automático al aprender de manera efectiva distribuciones condicionales a partir de datos limitados.

Este artículo explora soluciones para el sobre suavizado en redes neuronales gráficas, centrándose en GCNs.

Este estudio explora cómo el aprendizaje de representación ayuda a los robots a adaptarse en entornos cambiantes.

Un estudio revela el impacto del entorno en las estrategias de navegación en agentes artificiales y humanos.

Este método mejora la eficiencia de la comunicación en el aprendizaje federado mientras preserva la privacidad de los datos.

Explora cómo el tamaño del lote afecta el entrenamiento de modelos de aprendizaje automático.

Aprende cómo los controladores PI mejoran la optimización restringida en el aprendizaje automático.

Un nuevo método para afinar modelos de lenguaje de manera eficiente con menos parámetros.

Este trabajo presenta métodos para identificar y estimar efectos causales en modelos complejos.

Un nuevo operador de agrupamiento que utiliza la curvatura de Ricci mejora el aprendizaje en grafos.

Un nuevo método mejora el muestreo multimodal en el aprendizaje automático.

Un nuevo método que utiliza redes neuronales para resolver ecuaciones diferenciales parciales complejas de manera eficiente.

Presentando estimadores para entender mejor las contribuciones de las características en la regresión.

PEER revoluciona la eficiencia del modelo usando pequeños expertos adaptables para el procesamiento del lenguaje natural.

Crece la preocupación por ataques de puerta trasera en modelos de lenguaje, afectando la seguridad y la confiabilidad.