Informatique - Apprentissage automatique

Une étude sur l'identification des relations causales en présence de variables cachées et d'erreurs de mesure.

LFIT2 propose une approche raffinée pour apprendre la logique à partir de systèmes dynamiques.

Un aperçu du fonctionnement et de la convergence de l'optimiseur Adam dans l'entraînement AI.

De nouvelles méthodes améliorent la manière dont les modèles de langue oublient les connaissances indésirables.

Un aperçu du modèle HMoE et de ses avantages dans le traitement du langage.

NeurELA améliore l'optimisation boîte noire grâce à l'analyse de paysage en temps réel et à l'apprentissage par méta.

Le clustering fédéré aide à analyser des données tout en gardant les infos sensibles privées.

Présentation de DUCD, une méthode axée sur la confidentialité pour protéger les DNN contre les attaques adverses.

CoRA améliore les systèmes de recommandation en intégrant des fonctionnalités collaboratives dans les modèles de langage.

Les méthodes utilisant des hyperréseaux ont excellé dans la prédiction des rendements d'actifs lors des dernières compétitions.

Explore comment les méthodes interactives améliorent la transparence des modèles dans l'analyse des séries temporelles.

Une méthode pour visualiser et comprendre les décisions de l'IA dans des données de séries chronologiques.

Des méthodes innovantes améliorent l'efficacité de l'alignement des faisceaux dans les installations de synchrotron.

Un aperçu de la fusion de l'informatique quantique avec les réseaux de neurones graphiques.

Explorer la relation entre les réseaux de neurones et les modèles de spin pendant l'entraînement.

Le modèle DUNE utilise l'apprentissage automatique pour améliorer les prévisions climatiques et la précision des prévisions.

Les chercheurs utilisent MeshGraphNets pour améliorer efficacement les simulations de dynamique des fluides.

Un cadre innovant améliore l'analyse de l'impact environnemental des composants électroniques.

Examiner les problèmes de copyright avec l'apprentissage machine dans la génération de contenu.

Une nouvelle méthode pour générer des politiques qui s'adaptent à différentes préférences.

Une nouvelle méthode pour fusionner des modèles de machine learning selon les préférences des utilisateurs pour de meilleurs résultats.

Cette étude propose une méthode pour choisir des modèles de machine learning et des ensembles de données.

Un cadre innovant améliore la clarté des résumés de documents médicaux.

Des recherches mettent en lumière le comportement de compréhension dans les modèles d'apprentissage automatique qui s'attaquent à l'arithmétique modulaire.

Cette étude vise à réduire les biais dans les modèles de langage médical pour des résultats de santé plus équitables.

AutoScale améliore le mélange de données pour un entraînement efficace des grands modèles de langage.

Ce cadre améliore la précision des prévisions en utilisant des modèles de langage et des données en temps réel.

Une nouvelle méthode améliore les prédictions à partir des données d'IRMf en utilisant des échantillons limités.

Cette méthode améliore l'efficacité de l'analyse des données dans de grands ensembles de données complexes.

Apprends comment l'IA et l'analyse de scénarios transforment les stratégies de maintenance prédictive.

Une nouvelle approche améliore la prise de décision en apprentissage par renforcement en se concentrant sur les objets.

Un aperçu de comment les modèles prédisent des données invisibles.

Un aperçu de comment les poids des modèles affectent la performance du deep learning.

Une méthode pour réduire les modèles de langage sans perdre en efficacité grâce à l'élagage et à la distillation.

Un nouvel appareil pour aider les patients à gérer leurs médicaments efficacement.

Une nouvelle méthode améliore les prévisions des interactions entre protéines et ARN pour de meilleures compréhensions des maladies.

Une nouvelle méthode s'attaque aux coûts élevés de la formation des grands modèles de langage.

De nouvelles techniques améliorent les performances et l'efficacité des grands modèles de langage.

Une nouvelle méthode améliore la précision du comptage des objets dans les images générées.

Une étude sur pourquoi les modèles d'apprentissage profond varient en performance.