Informatique - Apprentissage automatique

Aborder la responsabilité et la reproductibilité en ML grâce à des revendications de recherche améliorées.

L'apprentissage automatique améliore les modèles de viscosité artificielle pour des simulations numériques améliorées.

Le nouveau cadre GEASD améliore l'exploration dans des environnements avec des récompenses rares.

Cet article examine comment le prix de l'électricité influence les émissions de carbone dans les foyers.

Cet article parle de nouvelles méthodes pour prédire la taille des microgels en utilisant des techniques d'apprentissage automatique.

Une nouvelle approche utilisant la programmation génétique pour améliorer les fonctions de perte pour la classification d'images.

CLAIME intègre des données EHR structurées et non structurées pour de meilleures infos sur la santé.

De nouveaux algorithmes améliorent la prise de décision dans des environnements contraints.

Learn2Talk combine des techniques 2D et 3D pour des animations faciales réalistes.

Une nouvelle approche améliore la segmentation dans les images médicales sans avoir besoin d'étiquettes détaillées.

G-VGPMIL améliore l'apprentissage par instances multiples pour une analyse efficace des images médicales.

Une nouvelle approche améliore les explications de l'IA grâce à des contrefactuels faisables et cohérents.

Le nouveau dataset Square-10M améliore carrément les capacités de questionnement visuel en open-source.

Un aperçu du rôle de GLDGCN dans l'amélioration de la classification des nœuds.

OTSeg améliore la segmentation sémantique en utilisant plusieurs invites textuelles pour plus de précision.

Explore la modélisation de performance pour améliorer l'efficacité dans l'entraînement de machine learning sur plusieurs GPU.

Une nouvelle classe de PMD améliore l'apprentissage par renforcement grâce à la prise de décision multi-étapes.

DietCL combine efficacement des données étiquetées et non étiquetées pour un meilleur apprentissage.

Découvrez comment les chercheurs testent les connaissances des modèles de langage.

Une nouvelle approche pour améliorer la détection des valeurs aberrantes en utilisant des techniques avancées.

Un cadre pour améliorer la collaboration dans le secteur de la santé tout en garantissant la confidentialité des patients.

Une carte nationale des températures aide à l'exploration de l'énergie géothermique.

Une nouvelle méthode améliore les modèles d'apprentissage automatique pour les prédictions de structures atomiques.

PIPER améliore l'apprentissage par renforcement en utilisant des retours basés sur les préférences pour gérer les récompenses rares.

Un nouveau modèle améliore la prédiction de la vitesse de circulation grâce à une analyse causale et une adaptation des données.

Un nouvel algorithme améliore l'apprentissage en ligne en s'adaptant efficacement aux données entrantes.

Un nouveau cadre pour améliorer les recommandations sans données préalables.

Explorer des méthodes pour récupérer les paramètres du modèle à partir des scores de levier dans l'analyse de régression.

UPINN améliore notre capacité à modéliser et à prédire les effets des médicaments de chimiothérapie.

Améliorer DistilBERT pour mieux classer les méthodologies de recherche biomédicale.

EncodeNet améliore la précision des DNN sans augmenter la taille du modèle.

Une nouvelle approche de l'optimisation inverse qui intègre des données contextuelles pour de meilleures prédictions.

Un aperçu de comment différentes réseaux de neurones apprennent des images.

Une nouvelle méthode garantit la validité des explications contrefactuelles malgré les changements de modèle.

TF2AIF simplifie le déploiement de modèles d'IA sur différents appareils et plateformes.

Les inquiétudes montent sur la sécurité des modèles de Text-to-Image et leur mauvaise utilisation.

CUMAD détecte les appareils IoT piratés tout en minimisant les fausses alertes.

Cet article parle de l'intégration de l'apprentissage profond bayésien dans les approches d'apprentissage fédéré.

Présentation de FiLo : une méthode novatrice pour la détection et la localisation précise des anomalies.

Un modèle pour des suggestions de stocks personnalisées, en tenant compte des préférences et du timing.