Informatique - Apprentissage automatique

Explorer l'impact des modèles de cohérence sur les solveurs inverses de diffusion.

Un nouveau cadre pour des agents IA dynamiques dans différents domaines.

Une nouvelle méthode pour améliorer la performance des modèles de langue en utilisant des experts spécialisés.

Une nouvelle méthode révèle comment les modèles linguistiques traitent l'information de manière plus claire.

Approches innovantes pour retirer des données des modèles d'IA tout en gardant la vie privée.

Une nouvelle méthode pour une gestion efficace des ressources dans les réseaux edge-cloud.

De nouveaux modèles de classement améliorent l'engagement des utilisateurs sur LinkedIn grâce à de meilleures recommandations de contenu.

En train de voir comment l'augmentation des labels influence l'apprentissage dans les modèles d'apprentissage automatique.

Une nouvelle méthode prédit les événements du foot de manière plus précise et efficace en utilisant l'apprentissage profond.

S'attaquer au défi de gérer efficacement les ressources informatiques et de communication.

Un nouveau cadre améliore l'apprentissage même sans retour.

Les LEMs donnent des infos sur la performance des joueurs de foot et la dynamique de l'équipe.

Les techniques d'IA adaptative améliorent la gestion des accès dans divers environnements de Metaverse.

Un cadre pour évaluer les méthodes de synthèse de données pour la qualité et la vie privée.

Cet article parle de comment les choix architecturaux influencent le processus d'apprentissage des DNN.

Une nouvelle méthode utilise des données synthétiques pour améliorer les systèmes ASR dans des domaines inconnus.

Développer des algos pour améliorer l'apprentissage par renforcement en utilisant les retours humains malgré la corruption des données.

Présentation d'un algorithme efficace pour un clustering équitable de gros ensembles de données.

Une nouvelle approche combinant l'apprentissage profond et WENO pour des simulations d'écoulement améliorées.

Un nouveau cadre améliore l’analyse dynamique des graphes, en s’attaquant à des problèmes clés de représentation.

Un nouveau cadre améliore la clarté et la scalabilité des visualisations de graphes.

De nouvelles méthodes améliorent la vie privée dans l'apprentissage automatique en perfectionnant les mécanismes de sélection privée.

Une nouvelle méthode améliore l'efficacité de la communication dans l'apprentissage fédéré.

Un nouveau modèle améliore la précision des prévisions à long terme en utilisant des techniques innovantes de réseaux de neurones.

Un nouvel outil réduit les dépenses dans la correction automatique des bugs tout en gardant son efficacité.

Un guide pour comprendre les modèles prédictifs et leurs applications dans l'apprentissage.

Exploration de la technique Diffusion-ES pour améliorer la navigation des voitures autonomes.

Une nouvelle méthode basée sur l'audio estime la taille des foules sans empiéter sur la vie privée.

Explorer des techniques de clustering flou pour l'analyse de séries temporelles circulaires.

Une nouvelle méthode pour améliorer l'optimisation hors ligne dans différents domaines.

ACTER propose des explications efficaces pour les échecs de décision des machines dans l'apprentissage par renforcement.

Explorer comment l'entraînement adversarial améliore la robustesse des modèles grâce à la purification des caractéristiques.

Cet article parle de l'attaque SpongeNet et de son impact sur la consommation d'énergie dans les modèles de deep learning.

TimEHR génère des données de séries temporelles synthétiques réalistes à partir de dossiers de santé électroniques pour aider à la recherche.

Apprends à combiner des tableaux de données pour avoir de meilleures prédictions.

Découvrez comment P3LS permet un partage de données sécurisé dans le secteur manufacturier.

Les questions d'étude remettent en question la nécessité d'optimiser les exemples en contexte quand des instructions claires sont données.

Explorer les boucles de rétroaction dans les modèles linguistiques et leurs conséquences inattendues.

Des chercheurs examinent les LLM pour guider les mouvements de marche des robots avec des instructions textuelles.

Des chercheurs ont développé une méthode pour contrôler efficacement des robots avec différents designs.