Estadística - Aprendizaje automático

Un estudio revela un método para crear ejemplos adversariales sin perder su significado.

Presentamos BOtied para mejorar la optimización multi-objetivo en escenarios complejos.

Un estudio de llegadas a través de procesos puntuales y su conexión con procesos continuos.

Un nuevo método mejora la velocidad y precisión en el análisis de actividades neuronales.

Un enfoque nuevo para mejorar la precisión en la estimación de proporciones de mezcla.

Un nuevo método mejora la detección de comunidades semi-supervisada al centrarse en la similitud de nodos.

Descubre un método para controlar la generación de imágenes a través de señales internas del modelo.

Nuevos métodos estadísticos mejoran la comprensión de las relaciones entre múltiples factores.

Nuevo enfoque mejora la precisión en la detección de posturas en diversos temas.

Un nuevo método híbrido mejora la estimación de información mutua al combinar técnicas generativas y discriminativas.

Una mirada al preentrenamiento enmascarado y su conexión con el rendimiento del modelo.

Los investigadores descubren que modelos más simples pueden competir con redes más profundas en rendimiento.

Este artículo habla de la importancia de la detección de comunidades en el análisis de redes.

Un nuevo enfoque para abordar el error de medición y conseguir resultados de investigación confiables.

Explora cómo la información se difunde a través de grafos acíclicos dirigidos y el papel de la votación mayoritaria.

Este estudio evalúa cómo GPT-4 maneja tareas matemáticas desafiantes.

Este artículo examina la efectividad de la alineación de retroalimentación en el entrenamiento de redes neuronales.

Un enfoque nuevo para predecir sistemas dinámicos a través de modelos de difusión avanzados.

Métodos para evaluar clasificadores cuando las etiquetas verdaderas están ausentes.

Un método para reducir el sesgo en los conjuntos de datos de entrenamiento de IA para resultados más justos.

Explora cómo el conocimiento de fondo en niveles aclara las relaciones causales en la investigación.

Explorando estrategias para mejorar los modelos de aprendizaje automático contra ataques de datos dañinos.

El estudio presenta una nueva forma de estimar la calidad de la traducción automática con incertidumbre.

BabySLM evalúa qué tan bien las máquinas aprenden a entender el habla según el lenguaje de los niños.

Una mirada a las complejidades de la IA explicable y el papel de las variables supresoras.

Un nuevo enfoque mejora la robustez de los DEQs contra la interferencia adversarial.

Investigación sobre la resistencia de modelos profundos frente a ataques de entrada.

Este artículo habla sobre métodos para optimizar funciones suaves, no convexas, con ruido.

Un nuevo enfoque mejora la equidad y la seguridad en los sistemas de ML.

Los sistemas de IA tienen que evolucionar para lograr una inteligencia parecida a la humana a través del aprendizaje y el razonamiento.

Explorando nuevas formas de mejorar el rendimiento del aprendizaje por refuerzo.

Una mirada a los métodos para incorporar la sensibilidad al riesgo en las estrategias de aprendizaje por refuerzo.

Un nuevo método mejora el muestreo comprimido a través de la optimización de enteros mixtos.

Un nuevo enfoque al muestreo de Gibbs mejora el rendimiento de las redes neuronales.

Explora nuevos métodos para mejorar la toma de decisiones en la incertidumbre.

Los investigadores desarrollan nuevos métodos para observar el comportamiento de los ratones en su entorno natural.

Este artículo examina cómo D-SGD mantiene la generalización a través de diferentes estructuras de comunicación.

Una mirada a los métodos en tiempo real para el análisis de datos tensoriales.

Los modelos SALT combinan las fortalezas de los ARHMMs y SLDSs para un análisis eficiente de series temporales.

Este artículo explora métodos para mejorar el razonamiento geométrico de la IA usando priors geométricos.