Informatique - Apprentissage automatique

Utiliser des réseaux de neurones pour améliorer l'analyse et la prédiction de la mécanique des contacts.

Apprends comment les régressions empilées améliorent la modélisation prédictive en combinant plusieurs approches.

Une étude sur les attaques de machine learning et les contre-mesures efficaces dans les systèmes de réseau.

La technologie IA change la donne pour le diagnostic et le traitement du cancer de la thyroïde.

Graph-JEPA propose une nouvelle méthode pour analyser efficacement des données de graphes complexes.

Explorer comment l'apprentissage profond analyse des systèmes dynamiques complexes.

Une méthode pour un apprentissage machine équitable qui réduit les biais dans les systèmes de prise de décision.

On te présente une méthode d'apprentissage actif qui mélange incertitude et diversité pour mieux gérer l'efficacité du labellisation.

Une méthode pour combiner des modèles génératifs pour une meilleure création de données.

De nouvelles techniques aident les robots à mieux marcher sur des surfaces inégales.

De nouvelles techniques améliorent l'analyse des changements cellulaires en utilisant de grands ensembles de données.

Une nouvelle méthode améliore la précision des modèles grâce à l'apprentissage fédéré et à la régression par noyau.

Un aperçu de comment les machines traitent le texte, les images et l'audio.

Une méthode pour retirer les artefacts EOG des données EEG en utilisant LSTM et ICA.

Explorer comment l'apprentissage automatique améliore le contrôle des fronts d'onde dans les systèmes d'optique adaptative.

PolyGET allie rapidité et précision dans les simulations de polymères, améliorant la recherche scientifique.

LATTICE améliore la détection d'anomalies dans les systèmes cyber-physiques grâce à un apprentissage structuré.

Une nouvelle méthode améliore la compréhension des changements cérébraux lors de la récupération après un AVC.

De nouvelles méthodes améliorent l'efficacité du stockage et de la transmission des données sans perdre en qualité.

Une nouvelle approche de routage de modèle améliore la sélection des grands modèles de langage pour des tâches spécifiques.

Ce papier parle des améliorations pour aligner des nuages de points en utilisant des méthodes de transport optimal.

Cette méthode améliore les prédictions en combinant des données étiquetées et non étiquetées via des graphes latents.

La recherche se concentre sur les mouvements de la langue pour aider à la thérapie de la parole et à l'apprentissage des langues.

La confidentialité différentielle protège les données personnelles pendant l'analyse, en s'assurant de la vie privée de chacun.

De nouvelles méthodes améliorent l'analyse des graphes temporels dans divers domaines.

Combiner des modèles pour améliorer la précision et l'efficacité dans l'apprentissage profond.

Examiner l'impact des processus gaussiens dans des environnements de données complexes.

De nouvelles méthodes améliorent le rendu inverse grâce à des techniques d'optimisation innovantes.

Un aperçu de l'apprentissage d'équilibre profond fédéré et son impact sur l'IA.

SANGEA propose une approche évolutive pour créer des graphes synthétiques de haute qualité.

La suppression de la variance améliore la performance des réseaux de neurones profonds dans des conditions de données difficiles.

Améliorer l'identification des drones avec des signaux RF et des techniques d'apprentissage automatique.

Apprends tout sur le ROMC et son utilisation dans l'inférence sans vraisemblance.

Découvrez comment le cadre JAM combine texte et images pour améliorer la création de contenu.

Explorer l'impact de l'apprentissage profond sur les simulations et modélisations en ingénierie.

Une nouvelle méthode améliore l'efficacité des données dans la reconstruction de signaux.

Une nouvelle approche pour améliorer la détection de la fraude financière en utilisant des réseaux de neurones graphiques quantiques.

Cet article présente une nouvelle méthode pour améliorer le clustering dans l'apprentissage auto-supervisé.

Une nouvelle approche pour améliorer l'équité dans les systèmes de recommandation en utilisant un entraînement adaptatif adversarial.

Examiner l'efficacité du filigrane contre les attaques adaptatives sur les images deepfake.