Estadística - Aprendizaje automático

Este artículo examina la evolución del aprendizaje hebbiano en redes neuronales.

Una mirada a la teoría esencial detrás de los modelos de aprendizaje profundo.

Este documento habla sobre cómo mejorar la optimización estocástica mediante el muestreo de datos recurrente y métodos de regularización.

Este artículo examina el impacto de las características del conjunto de datos en la precisión de los modelos de aprendizaje automático.

Este artículo habla sobre el impacto de la sub-reporte de datos en la equidad de los modelos predictivos.

Este estudio evalúa métodos tradicionales y basados en árboles para manejar datos faltantes.

Un método para asegurar pronósticos de demanda precisos en plataformas de servicio dinámicas.

Métodos para enfrentar desafíos en análisis estadísticos con datos dependientes.

Un nuevo método para analizar datos funcionales usando autoencoders de redes neuronales.

Un nuevo enfoque para evaluar modelos de aprendizaje automático sin datos etiquetados.

Este artículo trata sobre los problemas de cambio de distribución en simulaciones mejoradas con aprendizaje automático.

Esta investigación mejora el aprendizaje por refuerzo en línea usando modelado de razón de densidad para una mejor exploración.

La Regularización de Dimensionalidad Local ofrece soluciones para mejorar la calidad de la representación en SSL.

FREED++ muestra una generación de medicamentos mejorada con un diseño molecular y un rendimiento mejorados.

Aprende cómo la métrica de menor desacuerdo mejora la eficiencia del aprendizaje activo.

Este artículo habla sobre cómo usar datos agregados en el aprendizaje automático mientras se protege la privacidad.

Un nuevo enfoque para mejorar la optimización en escenarios complejos usando simulaciones.

Un nuevo enfoque para analizar los efectos variados de los tratamientos en diferentes grupos.

Examinando cómo el muestreo de Thompson mejora las elecciones en medio de la incertidumbre y el ruido.

Examinando métodos para identificar grupos de pacientes que responden a tratamientos en ensayos clínicos.

Un nuevo método mejora la precisión de la anotación en el reconocimiento de objetivos usando técnicas avanzadas.

Este artículo habla sobre nuevos métodos para descubrir patrones de manera efectiva en los datos.

RUMBoost combina modelos de utilidad y aprendizaje automático para mejorar las predicciones de elección de viaje.

Un nuevo enfoque mejora el modelado de sistemas hamiltonianos a pesar de los datos ruidosos.

Un nuevo método acelera la visualización de datos de alta dimensión usando estructuras de cuadtree polar.

Nuevas estrategias en Aprendizaje Federado mejoran la privacidad y la eficiencia en el aprendizaje automático.

Una mirada a cómo el análisis a nivel de grupo mejora la comprensión de las decisiones de aprendizaje automático.

Este artículo revisa la efectividad de cuatro métodos de descubrimiento causal en datos complejos.

Nuevos métodos combinan datos estructurados y no estructurados para hacer mejores predicciones.

Explora cómo el aprendizaje por refuerzo offline mejora la toma de decisiones a través del análisis de experiencias pasadas.

Explorando el impacto de las representaciones latentes en el rendimiento del aprendizaje automático.

Un nuevo enfoque mejora los modelos generativos para obtener salidas de mejor calidad en diferentes áreas.

Este estudio investiga los ataques adversariales en el aprendizaje profundo, centrándose en el rendimiento de las CNN.

Nuevos métodos mejoran la claridad de las predicciones de aprendizaje automático.

Un estudio que compara métodos de imputación para manejar datos faltantes en estructuras jerárquicas.

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

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

Una mirada a cómo evaluamos la calidad de las previsiones.

Presentando CAP para mejorar la equidad y eficiencia en los modelos de aprendizaje automático.

Investigadores mejoran la selección de anticuerpos al predecir la "humanidad" a través del análisis de datos de patentes.