Andrew D. Bagdanov

Le nouveau cadre MAE bilatéral améliore l'apprentissage incrémental de classe en renforçant la rétention des connaissances.

Une nouvelle méthode améliore l'efficacité d'apprentissage tout en gardant les connaissances passées.

Un dataset vise à automatiser le balisage des métadonnées pour les organisations du patrimoine culturel.

La compensation de dérive apprenable améliore la performance du modèle en apprentissage continu.

Un nouvel environnement de jeu de course booste la recherche en apprentissage par renforcement hors ligne.

Une nouvelle méthode améliore la prise de décision chez les agents avec des données limitées.

Examen de l'utilisation de l'énergie des modèles d'IA en apprentissage continu pour la durabilité.

Une nouvelle approche de l'apprentissage fédéré qui équilibre la confidentialité et l'efficacité.