Estadística - Aprendizaje automático

MIM-Reasoner optimiza la difusión de información en varias plataformas de redes sociales.

Un enfoque novedoso para la toma de decisiones usando muestras mínimas.

Un nuevo método mejora la calidad de imagen afectada por el ruido de speckle usando aprendizaje automático.

Un nuevo método mejora el aprendizaje causal a pesar de datos faltantes y relaciones cíclicas.

Este estudio investiga cómo el ajuste fino de LoRA influye en la agrupación de tokens en modelos Transformer.

Nuevos métodos mejoran el muestreo de distribuciones complejas usando ecuaciones HJB y Tensor Train.

Presentando un método para mejorar las pruebas de significancia en el análisis de regresión.

Un nuevo método para mejorar los modelos de difusión mientras se mantiene la diversidad en las salidas generadas.

Este estudio mejora la toma de decisiones al añadir la opción de abstenerse en problemas de bandido multi-brazo.

Un nuevo método mejora la precisión del modelado sustituto usando principios físicos.

Explorando la intersección de la teoría de categorías y los marcos de aprendizaje profundo.

Un método que usa expresiones de Fourier para analizar redes neuronales modernas de manera efectiva.

Nuevos métodos mejoran la seguridad en el aprendizaje por refuerzo mientras optimizan el rendimiento en entornos con restricciones.

Una mirada a cómo los modelos mejorados por gradientes mejoran la precisión predictiva.

Métodos para reducir dimensiones mientras se preservan las estructuras de datos.

DAGnosis mejora la fiabilidad de los datos al identificar inconsistencias de manera efectiva.

Un método para aproximar los compromisos entre equidad y precisión en modelos de aprendizaje automático.

Un nuevo método mejora la toma de decisiones en la optimización bayesiana, centrado en la calidad de la solución.

Un nuevo método protege las preferencias personales mientras permite clasificaciones útiles.

Examinando un nuevo enfoque para optimizar elecciones basadas en costo y recompensa.

Un nuevo marco mejora la evaluación de algoritmos de optimización para el aprendizaje automático.

Presentando una manera más fácil de entrenar modelos generativos implícitos usando Pérdida Estadística Invariante.

Un nuevo método mejora la detección de anomalías al manejar la incertidumbre de manera efectiva.

COPER simplifica el agrupamiento de múltiples vistas al integrar el aprendizaje de representaciones y las tareas de agrupamiento.

Un método para mejorar los modelos de difusión para generar datos de alta calidad de manera eficiente.

Un nuevo método reduce las necesidades de datos para hacer predicciones precisas de regresión logística.

Un nuevo método combina la física y el aprendizaje automático para hacer mejores predicciones.

Presentamos ZOD-MC, un enfoque novedoso para tareas de muestreo desafiantes.

Un modelo de lenguaje potente para aplicaciones diversas en múltiples idiomas.

Nuevos métodos mejoran el proceso de diseño para secuencias de ADN y proteínas.

Este artículo examina los problemas en el aprendizaje de la IA debido a la limitada retroalimentación humana.

Esta investigación mejora la toma de decisiones bajo incertidumbre usando aprendizaje por lotes y estrategias dinámicas.

Un nuevo método muestra que el aprendizaje variacional puede destacar en el entrenamiento de modelos complejos.

Un nuevo método para evaluar la novedad en los resultados de la IA generativa.

Una guía para mejorar la memoria asociativa usando métodos de descenso de gradiente.

Examinando los sesgos en la predicción del siguiente token y su impacto en el rendimiento del modelo.

Explora las fortalezas y debilidades de las RNN y los Transformers en el procesamiento del lenguaje natural.

Un nuevo método mejora la estimación de CATE y potencia la toma de decisiones en varios campos.

Una visión general de los POMDPs y su papel en la toma de decisiones con información incompleta.

Un nuevo método simplifica el diseño de arquitecturas neuronales para varios objetivos.