Informática - Aprendizaje automático

Los investigadores presentan un método para entender mejor las respuestas a las encuestas y las percepciones individuales.

Una mirada a la eficiencia del entrenamiento en CNNs y BCNNs usando MNIST y CIFAR-10.

Un nuevo modelo mejora la recuperación de nombres de funciones en el análisis de código binario.

CrossGR mejora las recomendaciones de productos en diferentes mercados usando tecnología de gráficos innovadora.

Explorando cómo la IA maneja la información faltante en el aprendizaje multimodal.

Un estudio sobre cómo mejorar los tiempos de respuesta de la policía a través de estrategias combinadas de patrullaje y despacho.

Un estudio sobre la puja publicitaria colaborativa para comerciantes y marcas.

Nuevos conjuntos de datos sintéticos mejoran el aprendizaje automático en el cuidado de la salud mientras protegen la privacidad de los pacientes.

Presentamos FedHide para un aprendizaje federado seguro con preservación de la privacidad.

XMOL optimiza múltiples propiedades moleculares al mismo tiempo, mejorando la claridad y la eficiencia.

Un enfoque novedoso mejora la precisión de las evaluaciones de salud de las baterías de litio-ion.

Métodos para mejorar la seguridad en el modelo Falcon 11B y obtener mejores resultados.

Aprende sobre la importancia y métodos para evaluar la claridad de las imágenes.

Explorando algoritmos eficientes para el aprendizaje descentralizado mientras se preserva la privacidad de los datos.

Block-Attention mejora los modelos de lenguaje acelerando las respuestas y manteniendo la precisión.

Un nuevo método mejora la detección automática de problemas del habla relacionados con la enfermedad de Parkinson.

Una mirada a usar RL para entrenar agentes en ciberseguridad marítima.

Nuevos métodos mejoran la detección de eventos ópticos rápidos y pequeños con mayor eficiencia.

FedD2P ofrece una nueva forma para que IoT entrene modelos sin necesidad de muchos recursos.

Aprende sobre los desafíos y modelos en las tareas de preguntas y respuestas visuales.

El nuevo modelo DyGIS mejora el aprendizaje a partir de gráficos dinámicos utilizando subgrafos informativos.

Un nuevo enfoque mejora los sistemas de ASR para una mejor comunicación en el aula.

Presentamos p-dLDS: Un nuevo enfoque para entender la actividad cerebral compleja en medio del ruido.

Una mirada a cómo TTDS mejora las recomendaciones personalizadas usando modelos de lenguaje grandes.

ETAGE mejora el rendimiento del modelo durante las pruebas con nuevos tipos de datos.

Aprovechando datos para hacer mejores pronósticos en procesos colaborativos.

Descubre nuevos métodos para mejorar los modelos de lenguaje a través del aprendizaje equilibrado.

Explorando Redes Neuronales Dispersas y su rendimiento con datos de entrenamiento difíciles.

ProcessTBench mejora las capacidades de LLM en la planificación de tareas y la minería de procesos.

Chile mejora su pronóstico de energía eólica para una mejor gestión de la red.

Técnicas para ayudar a las máquinas a aprender y adaptarse en entornos dinámicos.

Una mirada a la divergencia de Kullback-Leibler kernel y sus aplicaciones prácticas.

Un nuevo método mejora las pruebas de DNN al combinar la selección de características con la priorización basada en la incertidumbre.

Un nuevo marco mejora el aprendizaje a partir de datos estructurados y ruidosos usando principios de difusión.

Nuevo método mejora la detección de defectos en productos en la fabricación usando aprendizaje profundo.

Las células amoeboidales usan pseudópodos para tomar decisiones de movimiento basadas en señales químicas.

Un nuevo enfoque mejora la velocidad y la precisión de las predicciones en varios campos.

Explorando técnicas de deep learning para el análisis de datos de series temporales continuas.

Nuevo método mejora el agrupamiento para grandes conjuntos de datos usando Cuantización Estocástica.

Presentamos S-STE, un nuevo enfoque para mejorar la eficiencia del entrenamiento de redes neuronales dispersas.