Estadística - Aprendizaje automático

Un método de tres pasos para obtener actualizaciones en Bayes Variacional.

Este artículo habla sobre los retos de medir al usar aprendizaje automático con datos físicos.

Presentando un método para la clasificación efectiva de series temporales usando la técnica LLT.

Un método para la multiplicación eficiente de vector-matriz en redes neuronales invariantes por grupo.

Explorando el papel de la teoría de categorías en mejorar el diseño de redes neuronales.

Este marco proporciona claridad sobre definiciones y procesos en la IA explicable.

Este artículo trata sobre cómo mejorar los Procesos Gaussianos usando redes neuronales y características esféricas de inducción.

Un nuevo modelo mejora la agrupación de datos entre fuentes relacionadas.

Un nuevo método para seleccionar características mejora la precisión del modelo en entornos de datos cambiantes.

Un nuevo método mejora la eficiencia del ajuste de hiperparámetros para modelos de aprendizaje profundo.

Un nuevo enfoque mejora las pruebas KSD para detectar diferencias sutiles en las distribuciones.

Este artículo habla sobre formas de acelerar los cálculos en Procesos Gaussianos aditivos.

Explorando los beneficios de las redes RePU en la estimación estadística y la regresión.

Explora técnicas innovadoras para comparar datos de series temporales categóricas.

Un método para agrupar series temporales según la precisión predictiva.

Cómo las predicciones cambian los datos y influyen en los resultados futuros en varios campos.

Una revisión de modelos de predicción para los casos de COVID-19 en los principales estados de EE. UU.

Nuevos métodos mejoran la comparación de distribuciones de datos en el aprendizaje automático.

Un nuevo enfoque para mejorar el cálculo de atención en modelos de lenguaje grandes.

Examinando la necesidad de equidad en los modelos de imágenes médicas.

La Descenso de Funciones Aleatorias hace que la optimización sea más fácil al simplificar la selección del tamaño de paso.

Un nuevo enfoque para mejorar la toma de decisiones bajo incertidumbre usando momentos inferenciales.

Predecir la edad del cerebro usando redes neuronales da pistas sobre la salud cerebral.

Un enfoque novedoso para predecir resultados en sistemas con aleatoriedad utilizando GNNs.

Un nuevo método ayuda a predecir brotes de VRS después de las interrupciones por la pandemia.

El slow kill mejora la selección de variables para el análisis de big data, aumentando la eficiencia y precisión.

Un nuevo método mejora cómo los agentes exploran entornos para tomar mejores decisiones.

Una mirada a cómo los GCMMs mejoran el análisis de datos para relaciones complejas.

Los investigadores usan gráficos para mejorar los algoritmos en los procesos de toma de decisiones.

Nuevos algoritmos mejoran la precisión de las predicciones en el análisis de series temporales.

Nuevos métodos mejoran la precisión del modelo sin datos etiquetados.

Este estudio examina cómo las características ocultas en los gráficos pueden predecir los resultados de los nodos.

Aprende a usar elsarticle.cls para enviar artículos a revistas.

AutoML-GPT automatiza el entrenamiento de modelos de IA para resultados rápidos y eficientes.

Una visión general de las técnicas de mini-lotes y su impacto en el rendimiento del modelo.

Nuevos algoritmos reducen la complejidad en la optimización de matrices SPD para aprendizaje automático y estadísticas.

Este trabajo investiga las tasas de decaimiento de los valores propios para mejorar la generalización de las redes neuronales.

Una mirada al algoritmo Blahut-Arimoto restringido y su impacto en la compresión de datos.

Este estudio analiza métodos para clasificar fallos en cajas de cambios usando señales de vibración.

Presentando un método más rápido para entrenar redes neuronales con menos datos.