Informatique - Apprentissage automatique

Un aperçu de comment les exemples adversariaux défient les modèles d'IA.

Inclure des données non anglophones améliore la performance des modèles vision-langage et la compréhension culturelle.

Le modèle CATS remet en question les approches traditionnelles de prévision des séries temporelles en utilisant l'attention croisée.

Une nouvelle approche améliore les embeddings de graphes en se concentrant sur la gestion des dimensions.

TGDP améliore la génération de données dans des scénarios avec peu d'exemples d'entraînement.

Une nouvelle méthode pour l'optimisation de portefeuille qui se concentre sur l'efficacité et la gestion des risques.

Cet article parle de comment GRSNN améliore les tâches de raisonnement sur les graphes en utilisant le délai synaptique.

Apprends comment les hyperparamètres influencent l'entraînement dans les grands réseaux de neurones.

Examiner l'efficacité et le coût des petits modèles d'IA par rapport à leurs homologues plus grands.

AHAC améliore la prise de décision en robotique en s'adaptant aux dynamiques environnementales.

Comment améliorer le biais dans les recommandations en utilisant les interactions des utilisateurs.

Une nouvelle méthode pour interpréter les activations neuronales améliore la sécurité et le contrôle de l'IA.

Présentation d'une nouvelle méthode pour améliorer les modèles d'état dans les systèmes dynamiques.

Les modèles d'état offrent un traitement efficace dans les tâches de langage naturel, défiant les transformateurs traditionnels.

Une analyse du comportement de l'SGD en apprentissage automatique avec des idées sur les valeurs propres et la stabilité de l'entraînement.

De nouvelles méthodes visent à améliorer l'apprentissage automatique avec des tâches et des interactions variées.

Nouveau jeu de données met en avant les écarts de performance entre les groupes démographiques utilisant des assistants vocaux.

L'augmentation de trajectoire générative améliore la prise de décision en RL offline.

Un aperçu de l'importance et des méthodes pour estimer la profondeur de la nappe phréatique.

Cette étude évalue des méthodes d'apprentissage automatique pour mesurer avec précision les niveaux de pauvreté.

Un nouvel outil d'IA améliore la découverte de médicaments en générant de meilleures molécules plus rapidement.

Présentation d'une nouvelle approche de l'apprentissage par renforcement hors ligne pour une meilleure prise de décision.

Une nouvelle méthode renforce la sécurité dans l'apprentissage par renforcement grâce à la gestion des risques.

Les réseaux Kolmogorov-Arnold offrent des solutions innovantes pour l'analyse de données et l'apprentissage.

DeepHGNN améliore la précision des prévisions hiérarchiques en utilisant des réseaux de neurones graphiques.

Un nouveau modèle améliore les prévisions d'énergie, réduisant les coûts sur les marchés de l'électricité.

Examiner les biais dans les modèles de langue selon différents facteurs démographiques.

Une nouvelle méthode améliore la compréhension des sorties d'autoencodeurs dans la dynamique des fluides.

Une méthode d'IA améliore les prévisions de dose en radiothérapie en estimant l'incertitude.

Examiner comment les labels en distribution impactent la détection hors distribution en apprentissage automatique.

Cette étude améliore la sécurité de l'apprentissage automatique quantique contre les attaques adversariales grâce à des canaux de bruit et des méthodes de confidentialité.

Une nouvelle méthode pour améliorer l'efficacité de l'algorithme Push-Relabel en utilisant un flux prédit.

Une nouvelle méthode pour améliorer les modèles prédictifs en utilisant des données incertaines.

Un regard sur le raisonnement formel dans les transformateurs uniquement encodeurs et ses implications.

Un système innovant combine des nouvelles et des évaluations cognitives pour les personnes âgées.

Une nouvelle approche améliore la diversité des prompts pour des modèles de langage plus sûrs.

Explorer comment les transformers s'attaquent efficacement à divers tâches de raisonnement sur les graphes.

Les VLMs galèrent avec la classification d'images, mais une meilleure intégration des données peut améliorer leurs capacités.

Explorer le rôle de la descente de gradient dans l'optimisation stochastique et ses implications pour la taille des échantillons.

Un nouveau modèle simplifie la création d'images et de vidéos AI avec une meilleure vitesse et qualité.