Informatique - Apprentissage automatique

Une nouvelle méthode pour mieux détecter les pannes dans les systèmes d'Internet des objets industriels.

Présentation d'une nouvelle approche pour les ensembles de données de référence en résolution d'entités pour une meilleure évaluation.

Une nouvelle approche améliore la prévision du flux de trafic en utilisant des techniques de graphes avancées.

Une nouvelle méthode réduit les coûts mémoire pour les optimiseurs avancés en apprentissage automatique.

Apprends comment la classification par voisin le plus proche s'adapte aux défis des environnements en ligne.

Apprendre aux machines à prédire les croyances des autres améliore le travail d'équipe et la performance.

De nouvelles méthodes améliorent les prédictions dans des systèmes scientifiques complexes avec des opérateurs neuronaux.

Utiliser des données en temps réel pour améliorer les prévisions d'épidémies.

Améliorer les grands modèles de langage avec des instructions scientifiques multimodales.

Neural CODE améliore les prévisions de séries temporelles en utilisant des données passées et futures.

Une nouvelle méthode pour une analyse de données efficace en utilisant des données étiquetées et non étiquetées.

Cette recherche présente un système pour associer de la musique avec du contenu vidéo de manière efficace.

Une nouvelle approche utilisant l'apprentissage par renforcement améliore l'efficacité de la diagonalisation des états quantiques.

Une nouvelle méthode améliore les performances du modèle en sélectionnant des erreurs informatives pour le marquage.

NATv2 transforme la conception des réseaux de deep learning pour une meilleure efficacité et performance.

Apprends comment l'apprentissage par lots peut améliorer les décisions de prix dans les entreprises.

Un nouveau modèle s'attaque à l'erreur de mesure dans l'inférence causale, améliorant la précision.

Examiner la confidentialité différentielle locale dans l'échantillonnage de Thompson pour une meilleure prise de décision.

Cette étude analyse comment améliorer l'apprentissage par transfert entre les tâches.

Comprendre comment l'espérance conditionnelle aide à l'analyse des données et au débruitage.

Utiliser l'analyse sonore et l'apprentissage machine pour améliorer le suivi des AVF.

Un aperçu des capacités de classification et de l'efficacité de conception de ConvResNeXt.

Un aperçu détaillé des méthodes d'estimation du regard des conducteurs et de leur impact sur la sécurité.

Un aperçu de la recherche d'architecture neuronale et son rôle dans l'apprentissage profond.

Cette étude évalue à quel point les LLMs reconnaissent et relient les formes géométriques.

Voici CongestEXP, un algorithme qui améliore les décisions des joueurs dans des situations de ressources partagées.

Combiner l'apprentissage par renforcement et la méthode Branch-and-Bound pour de meilleures solutions d'optimisation.

Découvre des moyens de rendre les méthodes d'apprentissage par renforcement plus rapides et plus efficaces.

Une nouvelle approche pour prédire la dynamique du COVID-19 en utilisant des techniques de modélisation avancées.

FedInit améliore la collaboration des appareils dans l'apprentissage fédéré en s'attaquant au dérive des clients.

Un cadre pour évaluer et améliorer la qualité des données pour de meilleures performances des modèles.

De nouvelles méthodes améliorent la vie privée dans l'analyse de données en utilisant l'estimation de densité par noyau.

Cette étude examine le rôle de l'IA dans l'amélioration des procédés de fabrication additive de métaux.

Des méthodes innovantes pour analyser des échantillons de tissus améliorent la précision de détection du cancer.

Combiner les données satellites aide à mieux comprendre les types de nuages et leur impact sur la météo.

Explorer les effets des données synthétiques sur les modèles génératifs et leurs résultats.

Un nouveau cadre améliore l'apprentissage décentralisé pour des environnements de données dynamiques.

Cette étude présente une méthode pour créer des données synthétiques grâce à des modèles de diffusion en physique.

Une technique pionnière combine l'apprentissage profond et la physique pour des images plus rapides.

Examiner comment les réseaux de neurones peuvent se souvenir des données d'entraînement et les risques de confidentialité qui en découlent.