Informatique - Apprentissage automatique

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.

Une nouvelle méthode améliore la sécurité des DNN sans avoir de données propres.

Des chercheurs améliorent les prédictions des éruptions solaires avec de nouvelles méthodes et une fonction de perte.

Un ensemble de données révolutionnaire améliore les outils d'IA pour diagnostiquer les problèmes cardiaques.

Recherche sur l'entraînement de modèles de langue pour les langues sous-représentées de manière efficace.

NeuralMPM accélère les simulations de matériaux en utilisant des techniques de deep learning.

Ce papier examine le changement soudain dans la capacité d'apprentissage des réseaux de neurones.

SINDyG améliore la compréhension des systèmes complexes grâce à de meilleurs modèles de réseaux.

fastkqr améliore la vitesse et la précision de la régression quantile tout en gérant les problèmes de croisements.

Une nouvelle méthode améliore la construction des arbres évolutifs en utilisant l'apprentissage profond.

Un aperçu des techniques de transfert de poids et leur impact sur l'entraînement des réseaux de neurones.

Présentation d'un nouvel algorithme pour identifier des relations causales entre des variables cachées.

Découvre comment les cGANs permettent de générer des images précises grâce à des infos supplémentaires.

Explore l'approche de l'apprentissage fédéré pour la vie privée dans l'apprentissage automatique.

Une nouvelle méthode améliore l'apprentissage à partir de jeux de données de qualité variée en RL hors ligne.

Un nouvel algorithme améliore l'identification des meilleures options dans des scénarios à budget fixe.

Une méthode pour accélérer la génération de texte sans perdre en qualité.

INK offre une méthode fiable pour identifier les échantillons hors distribution en apprentissage automatique.

Un nouveau modèle améliore la précision des prévisions de vitesse du vent dans des paysages difficiles.

Une nouvelle méthode améliore la prise de décision sous contraintes budgétaires dans des environnements incertains.

De nouvelles méthodes améliorent la séparation des voix dans des environnements bruyants.

Une nouvelle méthode pour créer des textures directement sur des surfaces 3D, en évitant les problèmes courants.

Un nouveau système optimise les réponses de l'IA pour les domaines juridiques, en se concentrant sur la Loi Locale 144 de New York.

Examiner comment les SNNs se comparent aux ANN en consommation d'énergie.

Examiner les vulnérabilités dans l'EaaS et les nouvelles stratégies de défense avec des watermarks.

Le détecteur de commentaires toxiques Tiny-toxic identifie les commentaires toxiques efficacement tout en utilisant un minimum de ressources.

Analyse de l'impact des composants basés sur les quaternions sur les performances de classification d'images.

MAPF-GPT propose une approche innovante pour résoudre les défis de cheminement multi-agents en utilisant l'apprentissage machine.

Une méthode pour clarifier les relations causales malgré des facteurs non mesurés.

FPDT propose une solution pour entraîner des LLMs à long contexte de manière plus efficace.

Examiner comment les cybermenaces affectent les onduleurs intelligents et la stabilité de l'énergie.

Un aperçu de comment l'apprentissage par transfert influence la performance des modèles à travers les lois de mise à l'échelle.