Derniers articles pour Augmentation de données

Examiner les biais sociaux dans l'apprentissage automatique, en se concentrant sur le langage, la vision et les modèles langue-vision.

Stratégies pour améliorer l'interprétabilité des systèmes d'IA pour mieux comprendre.

Explore l'échantillonnage de Gibbs et l'augmentation de données dans la modélisation statistique.

Une nouvelle méthode améliore la performance et l'efficacité du tagging audio.

FDLS simplifie la création d'animations de personnages numériques réalistes grâce à l'apprentissage profond.

Un nouveau modèle améliore la reconnaissance des catégories rares dans des ensembles de données déséquilibrés.

Une étude montre que l'apprentissage contrastif supervisé améliore les performances des modèles sur différents jeux de données.

Un nouveau modèle améliore la reconnaissance d'image en s'adaptant de manière unique aux transformations.

RLLTE offre un cadre flexible pour développer et améliorer des applications d'apprentissage par renforcement.

Une nouvelle approche améliore les modèles d'apprentissage profond pour une segmentation d'images médicales fiable.

De nouvelles techniques améliorent la performance des modèles en utilisant peu de données étiquetées.

Une bonne séparation des données améliore la précision de détection du cancer du poumon avec l'apprentissage profond.

Une nouvelle méthode améliore la génération d'échantillons positifs dans l'apprentissage auto-supervisé.

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

BOD simplifie l'analyse des données en impliquant les utilisateurs à classer les variables importantes.

Un nouveau modèle léger améliore l'estimation de la hauteur avec des techniques d'apprentissage auto-supervisé.

La recherche améliore la prédiction de force en chirurgie robotique en utilisant des données visuelles et de l'apprentissage machine.

Une méthode d'apprentissage profond améliore la détection des problèmes rénaux dans l'imagerie médicale.

Examiner l'équité et la précision dans la détection des usagers de la route vulnérables par les véhicules autonomes.

NAG2G améliore le processus de prédiction des réactifs pour la synthèse de composés.

Une nouvelle approche renforce les modèles de traitement du langage naturel contre les attaques adversariales grâce à un paraphrasage ciblé.

Un nouveau cadre IA améliore la détection des maladies oculaires grâce à des techniques d'imagerie avancées.

De nouvelles méthodes visent à améliorer le diagnostic de la pneumonie pour la santé pulmonaire des enfants.

FrameFlow propulse la conception de protéines en améliorant la diversité et la fonctionnalité des structures.

Cette étude examine comment l'apprentissage automatique améliore la sélection des variables dans le calcul symbolique.

Une plongée profonde dans les modèles de diffusion par débruitage et leur simplification pour améliorer l'apprentissage de la représentation.

Une approche d'apprentissage auto-supervisé améliore l'analyse des fibres nerveuses dans l'imagerie cérébrale.

Ce travail examine comment les LLM améliorent la détection de vulnérabilités dans le code Java.

Utiliser des méthodes de ML pour améliorer la détection de la maladie d'Alzheimer grâce à des stratégies de données.

Des chercheurs améliorent la précision de la classification des sons cardiaques en utilisant des méthodes d'augmentation de données codec.

CAMBranch améliore l'optimisation en Programmation Linéaire Mixte à Entiers avec des techniques d'apprentissage automatique.

Les chercheurs améliorent la performance des modèles en augmentant la variété des données grâce à des méthodes d'augmentation novatrices.

Cette étude améliore la performance des GNN grâce à des explications graphiques efficaces.

Une nouvelle approche pour intégrer des perspectives culturelles variées dans les modèles de langage.

Comprendre comment construire des systèmes d'apprentissage automatique plus fiables face aux menaces adversariales.

Un nouveau cadre améliore la recherche conversationnelle en boostant la génération de données diverses.

Améliorer les modèles de texte à SQL en intégrant des formulations de questions diverses.

Cet article explore comment l'augmentation de données améliore l'apprentissage dans l'apprentissage par renforcement profond.

Une étude montre que l'augmentation audio peut améliorer la reconnaissance vocale dans les langues à faibles ressources.

Enquête sur l'audio deepfake pour améliorer les modèles de transcription pour les langues moins courantes.