Informática - Aprendizaje automático

Un nuevo enfoque para mejorar las recomendaciones de usuarios usando marcos de hipergrafos.

Un nuevo algoritmo mejora el aprendizaje descentralizado a medida que los datos evolucionan.

Mejorando la calidad de imagen a través de estrategias innovadoras de redes neuronales.

SEEK mejora las predicciones y explicaciones en grafos de conocimiento para aplicaciones biomédicas.

Este artículo examina las vulnerabilidades en los modelos de segmentación semántica y propone soluciones.

Explorando cómo las elecciones de entrenamiento afectan el rendimiento y la generalización del modelo.

La investigación destaca los retos y soluciones para que los sistemas de aprendizaje profundo se adapten con el tiempo.

Una visión general de los métodos de transporte óptimo, sus usos, desafíos y soluciones recientes.

Nuevos métodos mejoran la eficiencia en el entrenamiento de modelos neuronales más pequeños.

Presentamos un enfoque novedoso para el razonamiento contrafactual usando datos observacionales y regresión cuantílica.

VCReg mejora el aprendizaje por transferencia al promover representaciones de características diversas en los modelos.

Una visión general de los MLLMs y sus aplicaciones en la IA.

Un nuevo método para identificar datos OOD en modelos de aprendizaje automático.

Entender los modelos de machine learning es clave para la confianza y la responsabilidad.

Examinando la clasificación multiclasificada en línea con retroalimentación de conjuntos y sus implicaciones.

Combinando paralelismo de modelo y cambio de memoria para servir modelos grandes de manera eficiente.

Evaluando cómo los cambios ambientales afectan el rendimiento de los modelos de reconocimiento de imágenes.

Minigrid y Miniworld son herramientas para probar la toma de decisiones en la IA.

Nuevo modelo mejora la precisión de las mediciones de captura de carbono de las plantas en diferentes regiones.

Un enfoque novedoso mejora las defensas en sistemas de aprendizaje federado contra ataques adversariales.

QNNRepair mejora la precisión de las redes neuronales después de la cuantización.

Examinando los impactos del aprendizaje federado en la generalización de modelos y la privacidad de datos.

Métodos innovadores para mejorar las predicciones de redes neuronales en sistemas caóticos.

Aprende cómo el beneficio incremental por conversión redefine la medición de promociones.

Un nuevo método mejora la visualización y la precisión en el análisis de secuenciación de ARN de células individuales.

Nuevo método reduce el tamaño de las capas de embedding sin perder precisión.

Este estudio examina los beneficios de combinar el procesamiento del habla con datos visuales.

Aprende cómo la IA puede generar conjuntos de datos sintéticos valiosos para la investigación en telemática.

Métodos para asegurar que las Redes Neuronales Bayesianas sean confiables contra ataques adversariales.

NetBooster mejora el rendimiento de redes neuronales pequeñas para dispositivos inteligentes.

Esta investigación examina el ajuste fino en aplicaciones de aprendizaje por imitación con pocos ejemplos.

Nuevo método mejora predicciones al considerar múltiples puntuaciones de expertos.

Una mirada al impacto del aprendizaje contrastivo de múltiples formas en los modelos de aprendizaje automático.

Las SBNNs mejoran la eficiencia en el aprendizaje automático para dispositivos con recursos limitados.

Este trabajo revela los beneficios de la comunicación descentralizada en juegos con muchos agentes.

Este método mejora la detección de atípicos usando un proceso de múltiples etapas.

Un modelo que aprende de forma continua mientras ofrece explicaciones claras para sus decisiones.

Integrar el conocimiento humano en los modelos de IA para tomar mejores decisiones.

ShapeLinker optimiza el diseño de enlaces para mejorar la eficacia de los fármacos usando aprendizaje automático.

Un nuevo método mejora la evaluación de recuperación de imágenes al reducir las influencias de categoría.