Informatique - Apprentissage automatique

L'apprentissage par transfert jetable s'attaque aux problèmes de confidentialité tout en gardant la performance du modèle.

Une étude sur l'utilisation des modèles de langage pour classifier des manifestes politiques selon divers facteurs.

Une nouvelle méthode équilibre les modèles d'apprentissage automatique pour de meilleures performances.

L'apprentissage causal révèle des relations de cause à effet dans l'analyse de données.

Une nouvelle approche prédit les mesures manquantes du cerveau en utilisant un apprentissage machine avancé.

Un modèle prédictif utilise des données pour améliorer la prise de décision environnementale.

Une nouvelle approche améliore la qualité et la cohérence des images dans les CcGANs en utilisant des échantillons négatifs.

Nouveau jeu de données améliore la recherche sur les cellules nerveuses chez les rongeurs grâce à la microscopie à fluorescence.

Une nouvelle méthode pour guider les modèles de langage efficacement.

SharpCF améliore les systèmes de recommandation tout en gardant l'efficacité et la précision.

Cette étude explore comment l'activité cérébrale est liée aux émotions en utilisant l'apprentissage automatique.

L'apprentissage fédéré améliore la sécurité des véhicules connectés tout en protégeant les données des utilisateurs.

Un aperçu de l'injectivité des couches ReLU et de leurs implications dans les réseaux de neurones.

S'attaquer aux défis pour des applications de machine learning sûres dans des systèmes critiques.

Une méthode pour améliorer la compréhension de l'apprentissage profond dans la surveillance de la santé des machines.

Un aperçu des défis et des solutions dans les méthodes de dépistage du cancer du sein.

Les agents IA doivent s'adapter pour bosser efficacement avec de nouveaux partenaires dans différents environnements.

Une nouvelle approche pour prédire le trafic en intégrant des données sur l'activité humaine.

Une nouvelle méthode améliore la détection OOD en combinant des représentations de données globales et locales.

FedSIS améliore la détection des attaques de présentation faciale tout en garantissant la confidentialité des données.

Cet article parle des attaques de poisoning sur les modèles de deep learning financier et de leurs risques cachés.

Examen des risques de ré-identification dans les décisions de justice anonymisées en utilisant des modèles de langage.

Intégrer des métadonnées améliore les performances dans des tâches de parole comme l'identification de langue.

Un aperçu de comment l'ajustement des instructions améliore les réponses des modèles de langage.

Cette étude évalue les techniques d'analyse de sentiment pour le bangladais en utilisant des modèles de langue avancés.

Cet article parle de comment les robots peuvent identifier leurs partenaires de conversation en utilisant des indices visuels.

DiTTO combine l'apprentissage machine avec des modèles de diffusion pour résoudre des PDEs de manière efficace.

Une nouvelle façon de prendre des décisions en ligne de manière efficace et abordable.

Les chercheurs veulent améliorer l'identification des gènes liés aux maladies en utilisant de nouvelles méthodes.

Cet article parle des capacités en temps réel du modèle Transducer et des améliorations récentes.

Explorer une nouvelle méthode pour protéger la vie privée dans la recherche causale tout en gardant de l'exactitude.

Cette étude compare PEFT et ICL pour améliorer la génération de code avec des LLM.

Les intervalles de confiance sont essentiels pour évaluer la fiabilité des outils de segmentation en imagerie médicale.

Une étude sur l'extraction de caractéristiques pour la classification de texte en bangla en utilisant des modèles d'apprentissage profond.

Une nouvelle méthode améliore l'analyse des matchs de volley en utilisant des structures de données basées sur des graphes.

Une étude récente montre les limites des ensembles de données publics en matière de satisfaction utilisateur à long terme.

Un cadre pour évaluer l'efficacité des GNN dans les systèmes de recommandation.

Une nouvelle méthode pour évaluer des modèles de machine learning sans données étiquetées.

Cette étude explore une approche d'apprentissage profond pour classifier avec précision les genres musicaux.

Une approche innovante pour compresser efficacement les données du trafic réseau.