Informatique - Apprentissage automatique

Une nouvelle méthode s'attaque aux problèmes clés de l'apprentissage continu : la plasticité et l'oubli.

FedD2S améliore l'apprentissage fédéré en personnalisant les modèles tout en préservant la vie privée des données.

Un système qui aide les robots à détecter et réparer les échecs de tâches en temps réel.

Examiner les défis de performance rencontrés par les algorithmes invariants de rotation dans des scénarios de données bruyantes et rares.

Une nouvelle approche combine l'apprentissage automatique avec la dynamique des fluides pour des simulations améliorées.

Explore les risques de confidentialité et les défenses liés aux données synthétiques créées par des GAN.

Stratégies pour améliorer les autoencodeurs variationnels dans la gestion des ensembles de données incomplets.

Une méthode qui améliore la qualité des images IRM en utilisant moins de données.

Recherche sur la prédiction des vibrations dans les véhicules électriques en utilisant le modèle Resoformer.

Un nouveau cadre aide les modèles de langage à apprendre de leurs erreurs dans la résolution de problèmes.

Cette étude examine comment la profondeur des transformateurs affecte les tâches d'apprentissage.

Cet article parle d'estimer les performances des modèles de base sans avoir besoin de beaucoup de données étiquetées.

TraveLER améliore la compréhension des vidéos grâce à des questions interactives pour de meilleures réponses.

Des systèmes automatisés simplifient la collecte de données à partir de la littérature scientifique en chimie.

Cet article parle de l'équité robuste et précise dans l'apprentissage profond et de ses effets.

Une méthode pour évaluer le style artistique dans les images générées.

Un cadre pour entraîner des modèles de machine learning tout en protégeant la vie privée.

Un nouveau modèle améliore l'analyse des données de télédétection en utilisant des approches multisenseurs.

Une méthode qui combine le langage et les propriétés physiques pour créer des scènes 3D dynamiques.

BEM propose une solution pour améliorer les modèles avec des classes déséquilibrées en apprentissage semi-supervisé.

Explorer comment des données inoffensives peuvent, sans le vouloir, produire des résultats nuisibles dans les modèles de langage.

Améliorer les prédictions de réponse des cellules T grâce à des techniques de modélisation innovantes et des approches de données.

Une nouvelle méthode pour évaluer la précision des modèles de langue en utilisant des graphes de connaissances.

Cet article examine les systèmes d'apprentissage en ligne et leurs défis face aux contraintes inconnues.

Comprendre l'impact des attaques adversariales sur les modèles de machine learning.

Un nouveau jeu de données se concentre sur le raisonnement causal en utilisant les animations de 'Tom et Jerry'.

Présentation d'un cadre pour une évaluation plus précise des performances de requête dans la recherche d'informations.

Découvrez des méthodes pour améliorer les modèles étudiants en distillation de connaissances.

Cet article parle de l'utilisation de la classification pour les fonctions de valeur dans l'apprentissage par renforcement profond.

Cette étude évalue la performance des LLMs avec la langue persane.

Cet article parle du rôle de l'apprentissage avec peu d'exemples dans l'accélération de la découverte de médicaments.

Explorer l'impact des données publiques sur la vie privée différentielle en apprentissage automatique.

Cet article parle de comment MBDRL optimise le contrôle de flux avec efficacité et coûts réduits.

De nouvelles techniques améliorent l'efficacité des modèles de diffusion pour les tâches génératives.

Explore comment Mixture-of-Depths améliore l'efficacité des modèles de langage de manière durable.

Les stratégies d'exploration améliorent l'adaptabilité des agents dans des environnements complexes.

Explorer comment l'apprentissage automatique améliore l'efficacité et l'efficacité des solveurs MILP.

De nouvelles méthodes améliorent la sécurité en prédisant les mouvements de piétons hors de la vue pour les véhicules autonomes.

Une nouvelle approche pour améliorer la quantification de l'incertitude dans des données de séries temporelles multidimensionnelles.

Des politiques innovantes offrent flexibilité et efficacité dans les défis de prise de décision.