Informatique - Apprentissage automatique

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

Une nouvelle méthode améliore la génération de graphes en prenant en compte les attributs des nœuds et des arêtes ensemble.

Cette étude examine les préoccupations en matière de confidentialité dans l'apprentissage des représentations de graphes et les attaques de reconstruction de bords.

Explorer l'impact des représentations latentes sur la performance du machine learning.

Cet article examine l'impact du bruit sur la performance des modèles de langage.

Cette étude compare les capacités de reconnaissance d'objets chez les humains et les machines dans des poses inhabituelles.

Une nouvelle approche améliore les modèles génératifs pour des résultats de meilleure qualité dans différents domaines.

Une étude montre comment les LLMs s'adaptent à l'apprentissage en fonction des retours pendant les tâches.

Un aperçu des MPNNs, leur fonctionnement et leurs applications dans divers domaines.

Une nouvelle méthode combinant des modèles de langage avec des stratégies d'optimisation pour de meilleures performances.

Une nouvelle méthode améliore l'efficacité d'apprentissage tout en gardant les connaissances passées.

Explorer l'impact des couches d'attention sur l'apprentissage à partir du texte.

De nouvelles techniques améliorent l'efficacité des modèles de langue grâce à un transfert de connaissances efficace.

Une nouvelle approche pour générer des outliers cachés afin d'améliorer la détection dans l'analyse de données.

Examen de comment les champs vectoriels impactent la génération de données dans les modèles de diffusion.

De nouvelles méthodes améliorent l'apprentissage des graphes grâce à des techniques de masquage de bande passante non discrètes.

Un aperçu de l'algorithme génétique hybride NK pour de meilleures solutions de clustering.

SEABO génère des récompenses à partir de données d'experts, simplifiant l'apprentissage par imitation hors ligne.

De nouveaux algorithmes s'attaquent aux défis des espaces d'état-action continus dans l'apprentissage par renforcement.

Cet article examine comment reconnaître la propagande en utilisant des méthodes humaines et d'apprentissage automatique.

Une nouvelle méthode combine des arbres de décision et des transformers pour une meilleure prise de décision.

Une nouvelle approche de l'apprentissage par renforcement traite des récompenses retardées en utilisant des retours groupés.

Une nouvelle méthode améliore la précision du positionnement GNSS sur smartphone en corrigeant les biais de pseudorange.

Utiliser la technologie des jumeaux numériques pour améliorer le transport urbain grâce au profilage de la mobilité.

DEAN utilise l'apprentissage profond pour identifier automatiquement les infos obsolètes dans les graphes de connaissance.

Un aperçu des jeux de données QM7b et QM9 pour la prédiction des propriétés moléculaires.

Le Triplet Graph Transformer améliore la prédiction des propriétés moléculaires grâce à une communication directe entre les atomes.

Un nouveau cadre combine DDD et l'apprentissage automatique pour mieux étudier la déformation des métaux.

Apprends comment les nouvelles techniques améliorent l'efficacité des gros modèles de machine learning.

Explorer des méthodes efficaces pour apprendre des RBMs en utilisant des algorithmes quantiques.

Examiner les vulnérabilités et les stratégies de sécurité pour les agents scientifiques alimentés par des LLM.

Une nouvelle approche combine la recherche de preuves avec des prédictions dans la découverte de médicaments.

Une nouvelle approche du deep learning qui améliore l'efficacité et la stabilité.

De nouvelles méthodes améliorent l'efficacité des échantillons et la vitesse dans l'apprentissage par renforcement.

Explorer le potentiel des réseaux de neurones informés par la physique dans des problèmes complexes.

Un cadre pour l'édition d'images réalistes qui respecte les relations entre les caractéristiques.

Cette étude examine les attaques adversariales sur l'apprentissage profond, en se concentrant sur la performance des CNN.

Text2Data améliore la génération de données en utilisant efficacement des sources non étiquetées et étiquetées.

Une nouvelle méthode améliore la précision des modèles en s'attaquant aux étiquettes bruyantes dans l'apprentissage fédéré.

Une méthode pour prédire les infos manquantes dans les nœuds d’un graphe en utilisant des structures locales.