Informática - Aprendizaje automático

Una mirada a los MDPs de estado infinito y su papel en el aprendizaje por refuerzo.

Este artículo examina cómo determinar correlaciones entre vectores aleatorios usando métodos estadísticos.

Un nuevo método busca mejorar la calidad de salida en modelos generativos.

Explora la implementación de IA para optimizar los servicios de vehículos autónomos.

Este artículo examina cómo las redes neuronales gestionan recursos para tareas complejas.

El nuevo modelo busca mejorar la seguridad vial a través de predicciones precisas de accidentes.

Un nuevo método mejora la toma de decisiones bajo restricciones en el aprendizaje por refuerzo.

MIPS ofrece una nueva forma de crear programas a partir de redes neuronales.

Un nuevo método mejora la velocidad y calidad de generación de texto en modelos de lenguaje grandes.

Un método innovador para acelerar el procesamiento de modelos de lenguaje grandes para múltiples usuarios.

NITO ofrece un método más rápido y adaptable para optimizar la distribución de materiales en diseños de ingeniería.

Este estudio mejora el rendimiento de GNN a través de explicaciones gráficas efectivas.

La sobreparametrización simulada mejora el entrenamiento del modelo mientras mantiene la eficiencia.

Una mirada a cómo aprender de las respuestas del grupo mientras se asegura la privacidad de los datos.

Moco usa el aprendizaje automático para mejorar las soluciones a problemas de optimización combinatoria.

Examinando modelos generativos para datos de expresión génica sintética mientras se asegura la privacidad del paciente.

Los robots mejoran la eficiencia en la recolección de datos con planificación de rutas dinámica en entornos desconocidos.

Un enfoque fresco para asegurar que los sistemas de IA sean confiables y seguros.

Combinar el conocimiento causal con el aprendizaje por refuerzo mejora la toma de decisiones de la IA.

Un método mejora la calidad de la imagen al abordar el demosaico y la reducción de ruido juntos.

CodeIt mejora el rendimiento de los modelos de IA en tareas de razonamiento complejo.

Un nuevo método ayuda a entender los sistemas de recompensas de la IA a través del análisis contrafactual.

La optimización estocástica en línea ayuda a manejar la incertidumbre en la toma de decisiones.

Este estudio resalta mejoras en modelos geométricos, enfocándose en la expresividad y la completitud.

BOWLL establece un nuevo estándar para los sistemas de aprendizaje adaptativo.

Usando modelos de visión-lenguaje para mejorar la retroalimentación y la eficiencia de aprendizaje de los robots.

Explorando nuevos métodos para crear maquetas de diseño efectivas.

RC-GNN mejora la interpretabilidad y la precisión predictiva de GNN a través de métodos innovadores.

Una inmersión profunda en los aspectos clave y desafíos del aprendizaje federado descentralizado.

LPT mejora la toma de decisiones de las máquinas al enfatizar la planificación en lugar de recompensas inmediatas.

Usando chatbots para atender las necesidades de información de los pacientes durante cirugías de cataratas.

El estudio resalta problemas que afectan la equidad en las explicaciones de IA entre diferentes grupos.

Este estudio explora métodos para mejorar el rendimiento de los clasificadores en conjuntos de datos desbalanceados.

Un estudio examina los frágiles mecanismos de seguridad en los modelos de lenguaje y propone mejoras.

Presentando ApiQ para mejorar el ajuste fino y la cuantización de modelos de lenguaje grandes.

Abordar las brechas de diversidad en los ECR para mejorar los resultados de salud para todos.

Nuevo método mejora la fiabilidad de las predicciones del modelo en aplicaciones del mundo real.

Un nuevo sistema permite a los estudiantes pedir ejercicios de lengua personalizados.

Un nuevo enfoque para integrar diversas perspectivas culturales en los modelos de lenguaje.

Una mirada a cómo evaluamos la calidad de las previsiones.