Informatique - Apprentissage automatique

Une nouvelle méthode aide les centres d'énergie à prédire et gérer efficacement leurs besoins énergétiques.

PLiX utilise l'apprentissage par petits échantillons pour améliorer la reconnaissance vocale en plusieurs langues.

Un nouveau cadre semi-supervisé améliore les prédictions pour les propriétés de graphes peu représentées.

Cette étude examine l'équité dans l'apprentissage multitâche en utilisant des données démographiques de tâches connexes.

Les modèles de langage améliorent la conception moléculaire en générant des structures complexes directement à partir des données.

Les avancées dans les méthodes de contrôle des robots améliorent la stabilité en utilisant des infos visuelles.

Des chercheurs ont créé une méthode pour évaluer les modèles Transformer dans la résolution de problèmes mathématiques.

Un nouveau fuzzer améliore la sécurité des applications web en automatisant la détection des vulnérabilités.

De nouvelles méthodes améliorent la précision de la segmentation avec moins de données étiquetées.

Ce modèle améliore la façon dont les utilisateurs cherchent des infos dans de grandes collections de textes.

GAMIVAL évalue la qualité de streaming pour le jeu mobile dans le cloud sans vidéos de référence.

Un nouveau cadre améliore les prévisions du mouvement humain pour diverses applications.

Une étude examine comment les utilisateurs perçoivent les robots qui apprennent continuellement des interactions.

De nouvelles méthodes améliorent l'exactitude pour identifier les clusters de données et les relations.

Une nouvelle méthode améliore l'Attention Multi-Tête pour une meilleure efficacité et performance dans les tâches de langage.

Découvre comment DISCS améliore l'apprentissage non supervisé pour des compétences robotiques variées.

Explorer les obstacles à l'apprentissage actif et ses implications pour la recherche.

Cet article parle d'améliorer la détection des séquences sonores dans la reconnaissance audio.

Examiner comment les déterminants sociaux influencent les résultats de santé et les modèles de prédiction.

Un nouveau cadre permet aux modèles d'apprendre à partir de graphiques en utilisant des techniques en contexte.

Apprends comment des explications contrefactuelles variées clarifient les décisions de l'apprentissage automatique pour les utilisateurs.

Un nouveau cadre pour gérer des données d'image géométriques complexes en apprentissage automatique.

Un nouveau cadre améliore la prédiction de liens et offre des explications compréhensibles.

Grad-Align+ améliore l'alignement des réseaux sans avoir besoin d'infos supplémentaires.

Apprends des étapes efficaces pour rédiger un article scientifique clair.

Cet article parle d'améliorer les prédictions en adaptant des données provenant de différents domaines.

Bicubic++ améliore la qualité des images avec un traitement rapide pour des applications pro.

Une nouvelle méthode combine l'apprentissage automatique et la représentation linguistique pour la découverte de matériaux.

Apprends à gérer le surapprentissage pour améliorer la performance du modèle.

Cette recherche se concentre sur l'amélioration des modèles de QA pour des questions ambiguës.

Un nouveau cadre améliore la compréhension des événements dans le temps et l'espace.

Une nouvelle méthode améliore l'équité des modèles entre différents groupes d'utilisateurs en apprentissage automatique.

Une nouvelle méthode améliore l'apprentissage d'images en utilisant le raisonnement spatial.

Une étude des biais historiques dans les journaux caribéens des 18e et 19e siècles.

Un nouveau système pour analyser les changements émotionnels pendant les interactions.

L'IA améliore l'imagerie cardiaque et l'efficacité du diagnostic grâce à de nouveaux ensembles de données et modèles.

Examiner la fiabilité de LIME pour fournir des explications stables pour les modèles de classification de texte.

PINA améliore la classification multi-étiquettes extrême en intégrant des infos complémentaires.

Cet article présente une méthode pour améliorer l'analyse causale dans les données de séries temporelles sous-échantillonnées.

Une nouvelle méthode améliore l'efficacité dans la conception moléculaire, réduisant les coûts et boostant la découverte.