Han Bao

Présentation de HINITE, une méthode pour estimer avec précision les effets de traitement dans des scénarios complexes.

Explorer l'importance de la normalisation des caractéristiques dans les dynamiques d'apprentissage non contrastif.

Examiner comment l'auto-attention impacte la performance du modèle dans différentes tâches.

De nouvelles méthodes visent à améliorer l'équité dans l'apprentissage automatique à travers différents endroits.

PhiNet imite les systèmes de mémoire humains pour améliorer l'apprentissage machine.

Un aperçu de comment les ions piégés peuvent améliorer la vitesse et l'efficacité de l'informatique quantique.

Explore les comportements fous de la famille des systèmes non linéaires Sine-Cosine.