Informatique - Apprentissage automatique

Deux méthodes visent à améliorer l'étiquetage des données pour de meilleurs résultats de classification.

Une nouvelle approche améliore la sécurité dans les tâches d'apprentissage par renforcement sans récompenses préalables.

QUAM améliore les estimations d'incertitude dans les prédictions dans différents domaines.

Cette étude montre l'efficacité des Transformers à une couche dans la mémorisation des données.

METAVerse améliore les prédictions de traversabilité du terrain pour les véhicules autonomes.

Ce cadre aide les utilisateurs à appliquer des processus gaussiens de manière efficace pour la modélisation prédictive.

Un nouvel algorithme améliore la découverte de motifs dans les ensembles de données en utilisant le Gain d'Information et le Rapport de Cotes.

Nouveau modèle améliore les prédictions des résultats de thérapie pour le cancer de la vessie en utilisant les traits des patients.

HUTFormer améliore les prévisions de trafic en combinant des données multi-échelles et des techniques de modélisation avancées.

Auto-Tables automatise la conversion des tableaux non relationnels pour faciliter l'analyse des données.

Apprends comment les algorithmes multi-bras bandits améliorent la sélection d'articles dans les systèmes de recommandation.

ResFPN améliore les images des veines des doigts pour une meilleure précision de reconnaissance.

HUGE simplifie l'embedding de graphes pour de gros datasets avec des TPUs.

Examiner comment les incitations influencent les pratiques statistiques dans les études scientifiques.

Cette étude passe en revue les exigences de contrat API trouvées dans les discussions de développeurs en ligne.

Utiliser l'apprentissage automatique pour des prévisions de maintenance fiables dans les véhicules militaires.

Présentation d'un cadre pour simplifier la régularisation sparse grâce à des techniques d'optimisation lisses.

Ce papier examine les liens de données trompeurs et leur impact sur la prise de décision.

Explorer le potentiel de la modélisation générative avec des ressources de données limitées.

Un nouvel algorithme simplifie la communication dans l'analyse des données réparties par fonctionnalités.

Une nouvelle méthode améliore les performances de l'optimisation bayésienne en utilisant des techniques de méta-apprentissage.

Une nouvelle méthode améliore les performances des robots en utilisant des points de passage dans l'apprentissage par imitation.

Examiner les galères de gérer des données séquentielles dans les tâches d'apprentissage machine.

Une nouvelle méthode pour une allocation efficace des vaccins pendant les épidémies en gérant l'incertitude.

De nouvelles méthodes pour les suggestions d'articles utilisent le langage des utilisateurs pour de meilleurs résultats.

Une nouvelle approche améliore les performances du Variational Quantum Eigensolver en utilisant des approximations par anneaux tensoriels.

Une étude sur l'utilisation d'enregistrements sonores pour identifier différentes espèces d'oiseaux en Afrique.

Cette méthode améliore la segmentation des images dentaires avec moins d'échantillons étiquetés.

Une nouvelle méthode améliore l'apprentissage dans les réseaux de neurones à spikes en intégrant des ajustements de délai.

Les robots apprennent à saisir et à placer des objets en utilisant des images et du langage.

Présentation du réglage de vérifiabilité pour des explications d'IA plus claires et fiables.

Un aperçu de l'efficacité des métriques de recommandation dans les expériences utilisateur.

Des modèles innovants améliorent la gestion de l'eau souterraine et la précision des prévisions.

Nouvelle méthode améliore les attaques adversariales tout en maintenant les métriques de performance.

Cet article examine comment les modèles de langage génèrent efficacement du code Verilog.

Examiner de nouvelles stratégies pour gérer les risques dans les options sur indices de crédit en utilisant l'apprentissage par renforcement.

Cet article examine les défis et les avancées dans le raisonnement commun sens temporel.

L'apprentissage fédéré permet un entraînement de modèle sécurisé sans exposer les données personnelles.

Explorer comment les distances de Fermat améliorent l'analyse de données et les techniques de clustering.

Un aperçu des défis liés à l'utilisation de RLHF pour l'alignement de l'IA.