Informatique - Apprentissage automatique

CF-KAN améliore les systèmes de recommandation en surmontant l'oubli et en s'adaptant aux préférences des utilisateurs.

SPICED propose une détection avancée des Trojans analogiques dans les circuits intégrés.

Explorer le rôle du SLAM et du RL dans l'amélioration de la navigation des robots.

Une nouvelle méthode améliore la traduction dans plusieurs langages de programmation.

InfoIGL améliore la performance des réseaux de neurones graphiques dans des environnements de données variés.

Améliorer la précision de la classification d'images en utilisant des embeddings d'autoencodeur préentraînés dans SimCLR.

Cette recherche explore comment les petits producteurs d'énergie peuvent rejoindre efficacement les marchés de l'énergie.

Un cadre pour mieux prédire le mouvement humain grâce à l'apprentissage automatique.

Cet article passe en revue les méthodes d'analyse des séries chronologiques et leur application dans l'éducation.

Explorer comment l'informatique quantique peut améliorer le processus de développement des médicaments.

Une nouvelle méthode permet de faire de la modélisation 3D juste à partir de deux images sans avoir besoin des détails de la caméra.

ConVis vise à réduire les inexactitudes dans les grands modèles de langage multimodaux.

Une nouvelle approche améliore la détection d'objets dans des nuages de points 3D pour les voitures autonomes.

Présentation d'une méthode pour améliorer la génération d'images à partir de descriptions textuelles complexes.

Soft-IntroVAE améliore les VAE avec un apprentissage préalable pour une meilleure génération de données.

Une nouvelle méthode pour réduire les paramètres et accélérer l'entraînement des réseaux de neurones.

Les avancées tech améliorent la détection humaine lors des urgences maritimes.

Un nouveau cadre fusionne l'apprentissage profond avec des statistiques semi-paramétriques pour une meilleure analyse de données.

La recherche compare des techniques pour analyser les données des capteurs des véhicules sur 2,5 ans.

Intégrer des événements futurs améliore la précision des méthodes de prévision énergétique.

Combiner les données de flux et de paquets révolutionne la détection des menaces réseau.

Une nouvelle méthode utilisant AutoSparse pour un élagage efficace des réseaux neuronaux dès le départ.

Cette recherche montre comment les robots apprennent des tâches complexes grâce à l'entraînement dans le monde réel.

Une étude sur les méthodes pour estimer la force de la turbulence à partir d'images vidéo.

TART améliore la précision du modèle tout en se défendant contre les attaques adversariales.

De nouvelles méthodes améliorent les prédictions des dynamiques côtières avec l'apprentissage profond.

Le dérive localisée pose un défi pour les modèles prédictifs dans les flux de données qui changent.

Apprends l'importance de suivre les changements de données pour des résultats fiables en machine learning.

Un aperçu de comment la distillation des connaissances améliore la vitesse et l'efficacité des systèmes de recommandation.

Explorer comment l'apprentissage multi-tâches affecte la performance et la généralisation des modèles.

SALSA améliore la précision de la reconnaissance vocale pour les langues à faibles ressources en intégrant des modèles ASR et des modèles linguistiques.

Un aperçu de comment les ensembles de données sont liés et l'importance de ces connexions.

Les données synthétiques transforment la formation en IA en offrant des jeux de données variés et à moindre coût.

Une nouvelle méthode simplifie comment on évalue l'incertitude des modèles dans les prédictions.

Combiner des sources de données pour améliorer les prédictions de cas de COVID-19.

Un aperçu de l'évaluation fiable des probabilités dans les systèmes d'apprentissage automatique.

Cette étude examine comment l'activité cérébrale des passagers peut améliorer la sécurité dans les véhicules automatisés.

Cette étude examine comment CLIP interprète les visages et reflète des biais sociaux.

Un aperçu de la façon dont les RNN interprètent les demandes des utilisateurs et améliorent la détection d'intentions.

KANs relient l'IA et la science, simplifiant des problèmes complexes et améliorant la recherche.