Informatique - Apprentissage automatique

Ce papier présente des modèles de garde-fous pour promouvoir une IA sûre dans l'éducation.

De nouveaux modèles améliorent les prévisions d'efficacité des électrolytes de batterie.

Une nouvelle méthode améliore l'analyse sécurisée des données tout en protégeant la vie privée.

Découvrez comment les systèmes de recommandation par graphes et l'apprentissage contrastif améliorent les suggestions personnalisées.

Explorer des techniques pour retirer efficacement des données des modèles d'IA.

Explorer le rôle des réseaux de neurones à impulsions dans l'apprentissage fédéré vertical pour la protection des données.

Une nouvelle méthode améliore l'apprentissage des données visuelles sans perdre de détails.

Examiner les risques de confidentialité dans les explications de modèle et les stratégies pour améliorer la sécurité.

Présentation du contrôle de diffusion en boucle fermée pour une gestion efficace des systèmes physiques complexes.

Une nouvelle méthode améliore l'analyse des données neuronales dans différentes régions du cerveau.

Un nouveau modèle prédit les accidents de la route en analysant les données urbaines de manière plus efficace.

Une nouvelle méthode améliore la localisation des bugs grâce à un partitionnement dynamique et à l'apprentissage d'exemples difficiles.

Découvrez comment les réseaux de Hopfield transforment la gestion d'actifs et l'optimisation de portefeuille.

Une nouvelle méthode estime l'utilisation d'énergie et la chaleur dans les accélérateurs CNN pour de meilleures performances.

Cet article explore de nouveaux modèles de réseaux de neurones pour comprendre la prise de décision humaine en cybersécurité.

Des chercheurs améliorent les modèles PDE neuronaux en utilisant des équations pré-entraînées de plus petite dimension pour de meilleures performances.

Des annotations d'images de qualité sont essentielles pour le succès de l'IA dans l'analyse d'images.

Analyser comment les ensembles de données d'entraînement influencent l'équité de l'IA dans le diagnostic des lésions cutanées.

Un outil facile à utiliser qui permet l'analyse des données par langage naturel.

WLDA améliore la classification AI en gérant efficacement les données manquantes.

Apprends comment la détection des anomalies peut réduire le biais dans l'apprentissage automatique.

SON-NMF propose une nouvelle approche pour estimer les rangs dans la factorisation de matrices.

Nerva propose une méthode unique pour construire des réseaux de neurones efficaces en utilisant la sparsité.

Une nouvelle méthode certifie la fiabilité de l'estimation de la pose des objets dans différentes conditions.

Explorer l'utilisation des filigranes pour s'attaquer aux problèmes de droits d'auteur dans les modèles de langage.

Une nouvelle méthode pour une inférence bayésienne plus efficace grâce à l'inférence variationnelle par particules.

Une nouvelle méthode améliore les capacités de raisonnement des GNN pour des tâches de relations complexes.

Une nouvelle méthode améliore l'efficacité des prévisions en utilisant un réajustement basé sur l'entropie.

Un nouveau modèle améliore les prévisions météo en utilisant des données satellites et l'apprentissage automatique.

Présentation d'une méthode pour simplifier les relations entre variables dans les modèles graphiques grâce au clustering.

De nouvelles techniques aident à compresser d'énormes ensembles de données atmosphériques pour une meilleure analyse et des prévisions plus précises.

Une nouvelle méthode simplifie l'entraînement à faible précision pour les grands modèles de langage.

Un aperçu des éruptions solaires, leur impact et les méthodes de prévision.

Un nouveau système améliore le suivi des rythmes dans différents genres musicaux.

Explorer des méthodes pour comprendre les systèmes quantiques grâce à l'inférence par entropie maximale.

Une nouvelle méthode pour ajuster les hyperparamètres en utilisant des idées bayésiennes.

Explore une nouvelle méthode pour un apprentissage actif efficace dans des scénarios avec peu de données.

Un aperçu de l'identification des motifs de colocation régionale et de la minimisation des fausses découvertes.

Une nouvelle méthode améliore la prévision des séries temporelles multivariées en reliant les mesures.

Cette étude évalue l'impact des extracteurs de caractéristiques visuelles sur les tâches d'apprentissage des robots.