Informatique - Apprentissage automatique

L'évaluation ALERT analyse les risques de sécurité dans les modèles de langage pour améliorer leurs réponses.

Cette étude examine comment des initialisations de poids faibles impactent l'entraînement des réseaux de neurones.

La recherche se concentre sur l'amélioration de la vérification des réseaux de neurones avec des spécifications NAP minimales.

Xenovert aide les modèles d'apprentissage machine à s'adapter aux changements de données sans avoir besoin de les réentraîner.

Cette étude évalue l'impact des données de faible fidélité sur les modèles de substitution.

Apprends à adapter les modèles pour différents ensembles de données de manière efficace.

Une nouvelle méthode améliore les stratégies de décision en utilisant le cadre de la Value-at-Risk.

Une méthode pour protéger la vie privée tout en partageant des insights de données entre les groupes.

Des recherches montrent des méthodes pour estimer la géométrie de l'espace en utilisant des graphes géométriques aléatoires.

Explore une nouvelle approche pour améliorer l'apprentissage des réseaux de neurones en utilisant des principes biologiques.

Voici Smart, une méthode pour améliorer les performances des GNN dans des graphes en évolution.

L'automatisation de la création de graphiques dans honeyfiles renforce les mesures de cybersécurité contre les menaces numériques.

Un aperçu de comment les ajustements de paramètres façonnent l'entraînement des réseaux de neurones.

Présentation d'un nouveau modèle de programmation pour le développement efficace d'accélérateurs matériels.

Une nouvelle méthode améliore l'équité dans la prise de décision de l'IA sans changer les modèles existants.

Un nouveau cadre pour des interactions plus sûres avec les grands modèles de langage.

Un nouveau modèle améliore la classification des lésions hépatiques en imagerie 3D.

Cette étude montre comment l'apprentissage automatique peut améliorer les parcours de diagnostic pour des maladies complexes.

Explorer le besoin de clarté dans les processus de prise de décision de l'IA.

Utiliser l'apprentissage profond pour améliorer l'efficacité des transports en commun et réduire les coûts.

Une nouvelle méthode accélère les comparaisons d'arbres de fusion dans l'analyse de données scientifiques.

Une nouvelle approche améliore l'évitement d'obstacles par les robots en utilisant l'informatique neuromorphique.

Ce papier explore les schémas d'acquisition de compétences en utilisant des techniques d'apprentissage machine sur de grands ensembles de données.

Une nouvelle méthode IA améliore la classification des cellules cancéreuses tout en gérant les effets de lot.

Une nouvelle méthode améliore l'apprentissage actif pour les ensembles de données déséquilibrés.

L'élagage des données améliore l'efficacité du modèle tout en s'attaquant aux problèmes potentiels de biais.

Une nouvelle méthode améliore la précision de localisation GNSS dans les villes avec de grands bâtiments.

Le pooling de moment améliore la performance de classification des jets en physique des particules.

Le nouveau modèle traite des complexités de la prise de décision face aux retards imprévisibles.

Une nouvelle méthode améliore la recherche de solutions dans des problèmes d'optimisation complexes.

Une nouvelle méthode permet aux drones de suivre efficacement des cibles en mouvement inconnues.

Analyser la relation entre l'apprentissage contrastif et les méthodes traditionnelles comme la PCA.

La recherche vise à rendre les modèles de langage plus sûrs et plus utiles pour les utilisateurs.

Un nouveau modèle combine l'analyse temporelle et fréquentielle pour améliorer la précision des prévisions.

Cette étude se concentre sur la prédiction des valeurs de marche en utilisant des modèles de deep learning avancés.

Les techniques de wavelet améliorent la précision des prévisions de séries chronologiques dans différents domaines.

Un cadre s'attaque aux défis de la mesure de l'énergie dans les environnements cloud pour un informatique plus écologique.

Améliorer les outils pour détecter le langage nuisible dans les espaces en ligne est super important pour la sécurité.

Une nouvelle méthode améliore les performances du modèle malgré le bruit des étiquettes.

Ce projet se concentre sur le résumé des politiques de confidentialité en utilisant l'apprentissage automatique pour une meilleure compréhension des utilisateurs.