Últimos artículos para Ciencia de Datos

Explorando la necesidad de equidad en la tecnología móvil y los algoritmos.

Un nuevo enfoque para mantener la equidad en los algoritmos de clustering de aprendizaje automático.

Presentando un nuevo método para calcular la distancia de Wasserstein de forma eficiente en grandes conjuntos de datos.

Nuevos métodos mejoran la calibración de redes neuronales entrenadas con conjuntos de datos destilados.

Un nuevo marco mejora las predicciones en el cuidado de la salud usando estadísticas resumidas.

Explorando cómo la eliminación de artículos afecta las recomendaciones en sistemas secuenciales.

Un nuevo método mejora la velocidad de aprendizaje en algoritmos de aprendizaje automático.

TransFusion mejora la generación de datos sintéticos de series de tiempo largas y de alta calidad.

Un marco para entender sistemas cambiantes a través de técnicas basadas en datos.

Examinando cómo ciertas funciones pueden reconstruir perfectamente variables aleatorias.

Examinando la brecha entre el rendimiento del modelo y las condiciones del mundo real.

Un nuevo marco mejora la equidad en los algoritmos usando información demográfica incierta.

Una mirada a los métodos de cuantización y sus aplicaciones usando la distribución de Cantor.

Una visión general de la falta estructurada de datos en la investigación en salud y sus implicaciones.

Una mirada a cómo los métodos de un solo paso y la regularización del crítico mejoran el rendimiento del RL.

Nuevos métodos de auto-supervisión mejoran las predicciones de acciones futuras en videos.

Un nuevo método mejora la precisión de la traducción para lenguas de bajos recursos.

Un kit de herramientas de código abierto mejora el análisis de espectroscopia Raman en varios estudios.

Una mirada a los componentes clave del aprendizaje profundo y sus interacciones.

Este estudio se centra en mejorar las GNNs para superar los desafíos de los datos de entrenamiento sesgados.

PG-RCNN mejora la precisión de detección de objetos 3D usando tecnología LiDAR.

Un nuevo marco mejora la robustez del Aprendizaje Contrastivo de Grafos frente a ataques estructurales.

Nuevas investigaciones revelan las capacidades de Sumformer para mejorar la eficiencia de los Transformadores.

Este estudio analiza cómo los datos de pre-entrenamiento afectan la robustez del modelo en diversas tareas.

Nuevos métodos mejoran la precisión en la generación de informes médicos usando grafos de conocimiento y entrenamiento inteligente.

Un nuevo método mejora las transformaciones de imágenes para más precisión y eficiencia.

Este artículo examina cómo evaluar modelos de IA en el cuidado de la salud considerando la incertidumbre en el diagnóstico.

Investigando la equidad en sistemas de ML considerando múltiples atributos protegidos.

Explorando un enfoque nuevo para la regresión usando computación cuántica.

Este estudio compara métodos para manejar variables categóricas de alta cardinalidad en machine learning.

Explorando el potencial de los GANs híbridos cuántico-clásicos en la generación y clasificación de datos.

Investigando las vulnerabilidades de las DNNs frente al ruido adversarial en la reducción de ruido de imágenes.

Técnicas para mejorar la traducción automática a través de estrategias de datos efectivas.

Un nuevo método mejora el aprendizaje de grafos no supervisado a través de la estimación de entropía y el muestreo de subconjuntos.

Un estudio sobre SCS versus capas convolucionales tradicionales en clasificación de imágenes.

Descubre cómo el aprendizaje en conjunto mejora la precisión de las predicciones a pesar del ruido.

Una mirada a los sistemas en cascada y estrategias para mejores predicciones.

Este artículo examina cómo las imágenes generativas pueden mejorar las tareas de reconocimiento visual.

La selección de características simplifica el análisis de datos al identificar las variables clave.

Un nuevo marco que combina modelos estáticos y dinámicos mejora el análisis de series temporales.