Informatique - Apprentissage automatique

L'apprentissage fédéré propose une manière d'utiliser les données tout en préservant la vie privée des utilisateurs.

Une nouvelle méthode réduit le temps perdu à cause des erreurs de mémoire en informatique.

Un guide pour gérer les incertitudes dans la segmentation d'images médicales pour un meilleur diagnostic.

Une nouvelle méthode améliore la prise de décision en optimisation avec des considérations de coût.

De nouvelles méthodes améliorent les estimations d'incertitude dans les GNN pour modéliser les énergies des matériaux.

Découvre comment les requêtes d'action optimale améliorent les résultats d'apprentissage en ligne et réduisent les pertes de prise de décision.

Cet article analyse la performance des modèles sur différentes tâches et ensembles de données.

Une nouvelle méthode simplifie la détection des facteurs commutatifs dans les graphes de facteurs.

Un nouveau cadre pour analyser les politiques commerciales dans l'économie mondiale.

Cette étude prouve la convergence globale pour le Gradient EM dans des modèles de mélanges gaussiens sur-paramétrés.

Des modèles avancés prédisent des problèmes cardiaques en utilisant des signaux PPG et ECG.

Un nouveau cadre améliore la génération de code RTL grâce à l'augmentation des ensembles de données et à l'auto-réflexion.

Cette étude examine les contraintes pour la fonction ReLU répétée dans les réseaux de neurones.

Présentation d'ODGR et de GATLing pour une reconnaissance de but flexible dans des environnements dynamiques.

L'analyse d'images avancée pourrait améliorer les choix de traitement pour les patientes atteintes de cancer de l'ovaire.

De nouvelles méthodes améliorent les compétences et la prise de décision des personnages animés au ping-pong.

Améliorer les environnements d'entraînement est super important pour un apprentissage robotique efficace.

Repenser les MDP à travers la géométrie pour une prise de décision efficace.

Ce papier présente des modèles de garde-fous pour promouvoir une IA sûre dans l'éducation.

De nouveaux modèles améliorent les prévisions d'efficacité des électrolytes de batterie.

Une nouvelle méthode améliore l'analyse sécurisée des données tout en protégeant la vie privée.

Découvrez comment les systèmes de recommandation par graphes et l'apprentissage contrastif améliorent les suggestions personnalisées.

Explorer des techniques pour retirer efficacement des données des modèles d'IA.

Explorer le rôle des réseaux de neurones à impulsions dans l'apprentissage fédéré vertical pour la protection des données.

Une nouvelle méthode améliore l'apprentissage des données visuelles sans perdre de détails.

Examiner les risques de confidentialité dans les explications de modèle et les stratégies pour améliorer la sécurité.

Présentation du contrôle de diffusion en boucle fermée pour une gestion efficace des systèmes physiques complexes.

Une nouvelle méthode améliore l'analyse des données neuronales dans différentes régions du cerveau.

Un nouveau modèle prédit les accidents de la route en analysant les données urbaines de manière plus efficace.

Une nouvelle méthode améliore la localisation des bugs grâce à un partitionnement dynamique et à l'apprentissage d'exemples difficiles.

Découvrez comment les réseaux de Hopfield transforment la gestion d'actifs et l'optimisation de portefeuille.

Une nouvelle méthode estime l'utilisation d'énergie et la chaleur dans les accélérateurs CNN pour de meilleures performances.

Cet article explore de nouveaux modèles de réseaux de neurones pour comprendre la prise de décision humaine en cybersécurité.

Des chercheurs améliorent les modèles PDE neuronaux en utilisant des équations pré-entraînées de plus petite dimension pour de meilleures performances.

Des annotations d'images de qualité sont essentielles pour le succès de l'IA dans l'analyse d'images.

Analyser comment les ensembles de données d'entraînement influencent l'équité de l'IA dans le diagnostic des lésions cutanées.

Un outil facile à utiliser qui permet l'analyse des données par langage naturel.

WLDA améliore la classification AI en gérant efficacement les données manquantes.

Apprends comment la détection des anomalies peut réduire le biais dans l'apprentissage automatique.

SON-NMF propose une nouvelle approche pour estimer les rangs dans la factorisation de matrices.