Informatique - Apprentissage automatique

Une nouvelle méthode combine le codage automatique avec l'avis des profs pour améliorer les discussions en ligne.

Cette étude montre comment de grandes bases de données améliorent l'apprentissage profond dans les applications FWI.

Apprends pourquoi les données de qualité sont super importantes pour des systèmes d'IA responsables.

Une nouvelle méthode améliore l'efficacité de la classification NPN en utilisant l'influence booléenne.

Une nouvelle méthode améliore les modèles de langue spécialement pour le portugais.

Un nouveau modèle vise à réduire les disparités de santé dans les dossiers électroniques.

LatentAugment améliore la diversité des données pour les modèles d'apprentissage machine en utilisant des GANs.

Un nouveau cadre améliore l'utilisation des données qualitatives pour de meilleures prises de décision.

FATE améliore la détection des anomalies dans le texte en utilisant quelques exemples étiquetés et des techniques d'apprentissage innovantes.

Une méthode pour mesurer la charge mentale avec un EEG donne des infos pour une meilleure santé.

Une nouvelle méthode améliore les soins aux patients en fusionnant les données cliniques et numériques.

Explore les stratégies de formation initiales dans l'apprentissage incrémental en classe sans garder les exemples passés.

Tryage aide les utilisateurs à choisir le bon modèle de langue facilement et efficacement.

TargetVAE vise à simplifier la découverte de médicaments en générant efficacement des composés médicamenteux potentiels.

Nouvelles techniques améliorent l'inférence causale malgré les confondants non observés et les relations complexes.

Un nouveau modèle améliore la précision de récupération pour les vidéos avec plusieurs événements.

Comprendre le bruit des étiquettes est super important pour détecter les fraudes correctement.

Cette étude explore comment les représentations d'auteur capturent les styles d'écriture en utilisant des méthodes d'apprentissage profond.

Cette étude améliore les méthodes de détection OOD pour une meilleure fiabilité de l'apprentissage machine.

Une nouvelle méthode pour analyser les données des patients provenant des wearables afin d'obtenir de meilleures infos santé.

Explorer de nouvelles méthodes pour la reconnaissance d'objets en utilisant des techniques d'apprentissage auto-supervisé.

LtC optimise la transmission de données vidéo pour de meilleures analyses et une utilisation réduite de la bande passante.

Présentation d'IFIB pour prédire des événements sans se fier aux fonctions d'intensité.

Une étude sur l'impact du contexte à long terme dans la segmentation d'action vidéo.

Explorer des modèles efficaces pour la correspondance de similarité en apprentissage automatique.

De nouvelles méthodes améliorent la collecte de données et la compréhension des systèmes complexes grâce à des capteurs mobiles.

Une nouvelle méthode pour mesurer la confiance dans les prédictions des modèles Transformer.

Utiliser l'IA pour créer des motifs batik innovants tout en respectant la tradition.

Une méthode pour prévoir les défauts internes du bois en se basant sur les formes extérieures.

Explorer l'importance de l'espoir pour le bien-être et la motivation.

Des chercheurs développent de nouveaux outils pour reconnaître l'écriture cunéiforme ancienne grâce à des technologies avancées.

Combiner l'apprentissage automatique avec la dynamique des fluides pour une meilleure détection des ondes de choc.

Une nouvelle méthode améliore la précision de la détection des traînées de condensation en utilisant moins de données.

Nouveau modèle améliore les prévisions des éruptions solaires grâce à une analyse de disque complet.

Une nouvelle approche pour analyser le comportement des poutres en utilisant l'apprentissage automatique.

Explorer le potentiel et les défis des réseaux neuronaux optiques utilisant la lumière pour le calcul.

Utiliser l'apprentissage fédéré pour améliorer le traitement du SOPK tout en préservant la vie privée des patientes.

Une nouvelle méthode améliore les itinéraires d'évacuation pendant les tremblements de terre en utilisant l'informatique quantique et l'apprentissage automatique.

Présentation de SimMST, un cadre plus simple pour l'analyse des données spatio-temporelles.

Une nouvelle méthode améliore la performance des modèles de ML et DL pendant l'inférence.