Informatique - Apprentissage automatique

Découvrez comment GameNGen utilise des réseaux de neurones pour révolutionner le développement de jeux vidéo.

Utiliser l'apprentissage automatique pour prédire des événements rares dans les processus chimiques afin d'améliorer la sécurité.

Cette étude compare l'apprentissage automatique et l'apprentissage profond sur des ensembles de données tabulaires pour évaluer leur efficacité.

Poly2Vec simplifie l'analyse des relations spatiales entre différentes formes.

Une nouvelle approche du CFR améliore la vitesse pour les gros jeux en utilisant des GPUs.

Découvrez comment prédire les trajectoires de carrière peut façonner les opportunités d'emploi pour tout le monde.

AutoGeo génère des images géométriques de haute qualité pour l'entraînement de l'IA.

Une exploration des processus d'entraînement complexes dans des réseaux de neurones étroits à deux couches.

RoAd propose une méthode efficace pour peaufiner de grands modèles de langage avec moins de ressources.

De nouvelles techniques réduisent la consommation d'énergie en apprentissage profond tout en gardant la précision.

De nouvelles méthodes améliorent la création d'images à partir de textes et d'images de référence.

Utiliser le langage pour apprendre aux robots de nouvelles tâches plus efficacement.

Cet article passe en revue le rôle de l'apprentissage profond dans la précision du STELF.

Une nouvelle méthode pour comparer des structures de données complexes dans des graphes et des réseaux.

Explorer L-NODEC pour une meilleure stabilité dans les stratégies de contrôle.

Une nouvelle méthode améliore la précision des prévisions de trafic grâce à la décomposition des données et aux réseaux de neurones.

Un nouveau système suit les prix de l'électricité en temps réel pour aider les consommateurs à prendre des décisions.

Les chercheurs utilisent l'apprentissage machine pour améliorer les prédictions de la stabilité des protéines.

Apprends les exigences pour soumettre ta recherche à NeurIPS 2024.

Une nouvelle méthode pour mieux comprendre les systèmes multi-parties dans différents domaines.

Examiner les biais dans les modèles de base et leur impact sur les résultats d'imagerie médicale.

Une étude révèle une meilleure précision dans les prédictions en utilisant des méthodes d'ensemble avec des modèles de diffusion.

Cette étude explore l'équité dans l'analyse des radiographies thoraciques sans détails démographiques.

Nouveau cadre améliore l'extraction automatique de données à partir de différents types de graphiques.

Des chercheurs ont développé une méthode pour trouver des équations gouvernantes à partir de données bruyantes.

Un aperçu de l'algorithme UCB et de sa stabilité dans la collecte de données.

Examiner les biais dans l'apprentissage automatique et leur impact sur la prise de décision.

Un aperçu des nouvelles méthodes pour prédire des événements futurs en utilisant des données historiques.

Explorer les réseaux de neurones polynomiaux et leurs applications dans différents domaines.

Une étude révèle les avantages de relier compréhension et génération de langage dans l'IA.

De nouvelles stratégies améliorent les GFlowNets pour une exploration efficace dans des espaces continus.

Améliorer la précision de l'analyse des données tout en garantissant la vie privée des utilisateurs grâce à ULDP.

Nexus combine efficacité, spécialisation et adaptabilité dans le développement de modèles linguistiques.

Une nouvelle approche améliore les conceptions d'aile grâce à l'apprentissage machine et aux méthodes basées sur les données.

Examiner les biais dans les grands modèles de langage en analysant des déclarations politiques.

Explorer les symétries locales pour améliorer les méthodes d'apprentissage machine basées sur des graphes.

Une nouvelle méthode améliore la détection des valeurs aberrantes dans l'analyse de données.

Examiner comment l'apprentissage profond améliore la précision des prévisions de séismes.

Nouveau jeu de données améliore la recherche en aérodynamique auto et l'efficacité du design.

Implémenter YOLO pour la détection d'objets avec des ressources limitées sur des microcontrôleurs.