Informática - Aprendizaje automático

Nuevos métodos de atención mejoran los modelos de transformadores en eficiencia y rendimiento.

Explorando cómo el diseño de recompensas afecta el aprendizaje en sistemas de refuerzo.

Un nuevo generador de pesos mejora la eficiencia y calidad del entrenamiento de redes neuronales.

La Atención Elíptica mejora el enfoque y el rendimiento en tareas de IA.

Un nuevo método promueve la equidad en la identificación de lenguaje tóxico dirigido entre diferentes grupos demográficos.

Este estudio analiza cómo los robots pueden entender usos secundarios de las herramientas.

La investigación muestra que los robots pueden replicar los movimientos de la cabeza humana para una mejor interacción.

Nuevos métodos mejoran la representación de imágenes y la eficiencia en el procesamiento.

RPC-Attention mejora los modelos de autoatención para un mejor rendimiento en datos ruidosos.

Un nuevo método mejora la precisión del modelo en situaciones con desequilibrio de clases.

Un nuevo método mejora la eficiencia del desaprendizaje automático sin afectar el rendimiento del modelo.

Un nuevo método que combina las fortalezas de Sliced y Tree Wasserstein para el análisis de datos dinámicos.

La investigación revela las complejidades de alinear el procesamiento de máquinas con la percepción humana.

La calibración asegura que las predicciones estén alineadas con los resultados reales en varios campos.

Descubre métodos para aprender funciones de paridad a pesar de las inexactitudes en los datos.

Aprende cómo el aprendizaje en contexto mejora los modelos predictivos usando múltiples conjuntos de datos.

El método SUWR mejora la claridad y la fiabilidad de la selección de características en las predicciones.

Un estudio sobre la resiliencia de los Graph Transformers contra ataques adversariales.

Explorando el valor de los modelos aproximadamente equivariantes en el aprendizaje automático.

Un nuevo método mejora la eficiencia del aprendizaje profundo para dispositivos edge.

Una mirada a las innovaciones de las MPNNs de muchos cuerpos para analizar datos de redes complejas.

Este artículo examina cómo la cuantización puede mejorar la eficiencia en el entrenamiento de modelos de lenguaje Transformer.

Este artículo presenta cuantiles minimax para mejores estimaciones estadísticas.

Explorando métodos para ayudar a los robots a lograr una caminata parecida a la humana.

Un método para mejorar el aprendizaje automático mientras se asegura la privacidad de los datos.

Descubre cómo GDAN mejora el análisis de riesgo crediticio usando técnicas avanzadas de grafos.

Nuevos métodos permiten a los músicos crear instrumentos a partir de sonidos.

Examinando el papel y los desafíos de la tokenización en el procesamiento del lenguaje natural.

Esta investigación mejora la detección de ubicaciones de paradas usando análisis de datos GPS móviles.

Analizando cómo los transformers cuentan las ocurrencias de ítems en secuencias.

Explorando cómo los modelos de lenguaje abordan tareas de razonamiento de manera efectiva.

Examinando las suposiciones en los métodos de optimización de aprendizaje profundo y sus implicaciones en el mundo real.

Un nuevo programa de computadora que imita los métodos de aprendizaje del cerebro.

Un nuevo método mejora la generación de imágenes organizando el espacio latente en modelos de difusión.

Las redes neuronales bayesianas mejoran las predicciones del comportamiento de materiales con estimaciones de incertidumbre.

Las redes neuronales están mejorando los sistemas de control para manejar procesos complejos de reacción-difusión.

Este estudio analiza los PINNs bayesianos para estimar parámetros de PDE a partir de datos ruidosos.

Este artículo examina la aplicación de redes neuronales en la resolución de ecuaciones de difusión-reacción.

Te presentamos NAMER, un nuevo método para reconocer expresiones matemáticas escritas a mano con mejor velocidad y precisión.

Un enfoque de aprendizaje automático ofrece predicciones climáticas más rápidas y precisas.