Informática - Aprendizaje automático

Una nueva herramienta para hacer análisis causal fácil usando datos sin necesitar mucha experiencia.

Un nuevo enfoque para monitorear redes neuronales durante su funcionamiento para asegurar su fiabilidad.

Un nuevo modelo mejora los cambios de carril y los adelantamientos de vehículos autónomos.

Este estudio propone nuevos métodos para modelar el uso del suelo y la cobertura con aprendizaje profundo.

Nuevos métodos aprovechan el aprendizaje automático para optimizar la producción de soja en medio de los desafíos climáticos.

SelfExtend ofrece un nuevo enfoque para mejorar el procesamiento de textos largos en LLMs.

Un método para crear aplicaciones que equilibren el uso de energía y el rendimiento.

Nuevos métodos ayudan a los agricultores a optimizar la gestión de fertilizantes en medio de la variabilidad climática.

Un nuevo modelo para mejores predicciones de interacción en redes de usuario-artículo.

Un nuevo sistema automatizado mejora la precisión en las mediciones fetales durante el ultrasonido.

Un nuevo método para crear ejemplos adversariales dirigidos de manera eficiente y efectiva.

Un nuevo método combina el aprendizaje profundo y ELA para mejorar el análisis de optimización.

Descubre los beneficios de las Redes Neuronales Bayesianas para hacer predicciones más acertadas.

Una mirada a la toma de decisiones en línea y sus aplicaciones prácticas.

Presentando un enfoque flexible para que las máquinas aprendan múltiples tareas sin olvidar.

La correcta separación de datos mejora la precisión en la detección del cáncer de pulmón usando aprendizaje profundo.

La comunicación semántica mejora el intercambio de información al centrarse en el significado, haciendo todo más eficiente.

Explorando campos neuronales híbridos para una representación 3D de escenas eficiente.

GLIDE-RL mejora la capacidad de la IA para seguir instrucciones en lenguaje natural a través de un marco de múltiples agentes.

Una estrategia clara para automatizar y gestionar casas inteligentes con múltiples reglas.

Este estudio presenta un enfoque nuevo para la optimización offline utilizando modelos generativos.

Un nuevo enfoque de aprendizaje automático mejora la optimización del diseño en ingeniería y ciencia.

Un nuevo método mejora la generación de muestras positivas en el aprendizaje auto-supervisado.

Un nuevo marco mejora el razonamiento visual usando modelos de lenguaje como controladores.

Un nuevo enfoque mejora la capacidad de los modelos generativos para crear imágenes realistas.

Este estudio evalúa métodos para identificar fugas en redes de distribución de agua.

Un nuevo método usa aprendizaje auto-supervisado para mejorar el análisis de transacciones financieras.

Un nuevo enfoque mejora el aprendizaje adaptativo a través de una mejor predicción de estrategias.

Un nuevo algoritmo apoya la equidad a largo plazo en la toma de decisiones de aprendizaje automático.

Los avances en microscopía revelan cómo las células se comunican y se adaptan a su entorno.

Un nuevo método mejora la estimación de dimensiones para datos complejos de alta dimensión.

Explorando el rol de los modelos base en la mejora de los resultados de salud.

Combinar modelos básicos y especializados mejora las capacidades de la IA de manera eficiente.

Este estudio examina los factores que afectan las curvas de aprendizaje en la Regresión de Kernel Ridge.

Investigando vulnerabilidades de machine learning en la detección de Trojans de hardware en circuitos integrados.

Explorando el papel de las redes neuronales de valores hipercomplejos en aplicaciones modernas.

Los métodos basados en datos ayudan a predecir las tendencias de COVID-19 para tomar mejores decisiones de salud pública.

Un nuevo enfoque mejora el aprendizaje de características en autoencoders variacionales.

Un enfoque novedoso ofrece explicaciones claras para las clasificaciones de gráficos.

t-DGR ofrece un nuevo enfoque para el aprendizaje continuo, mejorando la retención de tareas y el rendimiento.