Informática - Aprendizaje automático

Nuevos métodos mejoran la resistencia de los modelos de aprendizaje profundo a cambios adversariales.

Un nuevo marco mejora el procesamiento de datos en dispositivos edge.

Un nuevo método mejora las explicaciones contrafactuales para las decisiones de modelos de aprendizaje automático.

Explorando KANs como un nuevo enfoque para modelos de aprendizaje por refuerzo eficientes.

Nuevos métodos para calcular geodésicas en el manifold de Stiefel mejoran la eficiencia del algoritmo.

mPLUG-Owl3 mejora la comprensión de imágenes y videos para dar mejores respuestas.

AdapTable mejora las predicciones del modelo en medio de datos de tabla cambiantes sin necesidad de reentrenamiento.

Investigadores revelan nuevas formas de estudiar la toma de decisiones colectiva en enjambres de animales.

Nuevos métodos mejoran la identificación de materiales en imágenes hiperespectrales.

Un nuevo método mejora la interacción entre modelos de lenguaje, aumentando la eficiencia en las tareas.

Un nuevo marco para evaluar modelos de visión-lenguaje de manera efectiva.

Una mirada a los modelos de aprendizaje profundo y sus propiedades geométricas.

Un nuevo compilador mejora la comunicación y gestión de tareas en chips de IA.

Evaluar los sesgos en el aprendizaje automático puede llevar a resultados más justos para todos.

Presentamos PeriodWave, un modelo que mejora la velocidad y calidad de la generación de audio.

Nuevo algoritmo mejora el muestreo de rebanadas elípticas para distribuciones truncadas.

Aprende cómo la poda ayuda a reducir el tamaño de las redes neuronales sin perder rendimiento.

Nuevos métodos con algoritmos mejoran la búsqueda de pistas a partir de puntos espaciales en colisiones de partículas.

Un nuevo marco evalúa qué tan bien los LLMs utilizan herramientas en las conversaciones.

Nuevas técnicas en computación fotónica muestran potencial para manejar múltiples tareas de manera eficiente.

Infórmate sobre nuevos métodos para gestionar la energía del hogar de manera eficiente con aprendizaje automático.

Un nuevo método mejora la calidad de los datos sintéticos para una mejor alineación del modelo de lenguaje.

Un nuevo conjunto de datos ofrece información valiosa para la investigación en dinámica de fluidos en el diseño automotriz.

Un nuevo enfoque mejora el aprendizaje del modelo con datos limitados.

Métodos innovadores para crear vistas de calidad usando menos imágenes.

Aprende a preparar y enviar tu paper científico de manera efectiva.

Las Redes Neuronales Dispersas simplifican la selección de características para mejorar el rendimiento del modelo.

LiPCoT transforma datos de series temporales para aplicaciones de modelos de lenguaje.

Este estudio investiga cómo los transformadores aprenden a través de la atención multi-cabeza en tareas de regresión.

ARROW-Diff genera de manera eficiente gráficos grandes y realistas usando paseos aleatorios.

Presentamos una herramienta para evaluar métodos de detección de anomalías no supervisados en el aprendizaje federado.

Un estudio sobre el uso de LLMs para identificar clones de código en diferentes lenguajes.

Deeploy simplifica la implementación de modelos de lenguaje pequeños en microcontroladores, mejorando la accesibilidad de la IA.

Los modelos generativos profundos mejoran el aprendizaje de los robots a través de técnicas y aplicaciones avanzadas.

Un método nuevo para detectar patrones inusuales en datos de series temporales con el tiempo.

Usando datos de medidores inteligentes y info del clima para mejorar la monitorización de energía.

Un nuevo marco mejora el aprendizaje federado al abordar problemas de datos ruidosos.

Un nuevo marco conecta la teoría con la práctica en el aprendizaje automático.

Un nuevo método mejora cómo los agentes aprenden de las acciones de los demás en situaciones de trabajo en equipo.

FADAS mejora el aprendizaje federado permitiendo actualizaciones asíncronas de los clientes mientras se mantiene la privacidad de los datos.