Informatique - Apprentissage automatique

Une nouvelle approche améliore l'imagerie 3D du cœur à partir de scans 2D.

De nouvelles méthodes améliorent les performances de l'ECC en utilisant l'apprentissage profond et des designs de matrices innovants.

Explorer des techniques d'apprentissage fédéré pour améliorer l'efficacité de la communication tout en préservant la vie privée des utilisateurs.

CBRNet aide à évaluer avec précision les doses de traitement dans le secteur de la santé et d'autres domaines.

Découvrez des méthodes qui améliorent la précision du suivi des formants pour l'analyse de la parole.

Améliorer les stratégies de planification des tâches pour les applis mobiles en utilisant l'apprentissage par renforcement profond.

Cet article examine l'apprentissage en ligne des opérateurs linéaires et ses complexités.

Cette étude examine comment l'entropie influence l'initialisation des centroides dans le clustering k-means.

Cette méthode améliore les grands modèles de langage pour le traitement de longs contextes.

AQC propose des solutions fraîches pour entraîner les réseaux de neurones efficacement.

Apprends comment les modèles de machine learning se débrouillent avec des données jamais vues.

D-Train propose une approche simple pour les défis d'apprentissage multi-domaines.

LesionMix améliore l'augmentation de données pour mieux détecter les lésions dans les images médicales.

Utiliser des dessins pour apprendre aux robots, c'est une nouvelle approche super intuitive.

LMDX améliore l'extraction d'infos à partir de documents avec un minimum de données d'entraînement.

Discuter des mesures de sécurité pour les systèmes d'apprentissage machine dans des domaines critiques.

Explorer des solutions pour l'équilibrage de la charge des pubs sur les plateformes de réseaux sociaux.

Méthodes innovantes pour gérer de gros flux de données à la périphérie.

Une nouvelle méthode améliore la navigation des robots dans des environnements complexes en gérant l'incertitude.

ModelGiF propose une méthode pour quantifier les relations entre les modèles de deep learning.

Une nouvelle méthode améliore les simulations financières en se concentrant sur des caractéristiques de drawdown réalistes.

Améliorer la sécurité des modèles d'apprentissage automatique contre les attaques adverses grâce à une robustesse certifiée.

Une nouvelle méthode améliore la segmentation d'image et la détection d'objets en utilisant l'apprentissage auto-supervisé.

Une nouvelle approche pour améliorer les Vision Transformers pour les appareils mobiles.

Gérer la recharge des VE pour stabiliser le réseau électrique tout en garantissant la vie privée des conducteurs.

Combiner des modèles de récupération avec des modèles de langage booste les performances dans les tâches de classification de texte.

De nouvelles méthodes améliorent l'efficacité des simulations et modélisations en physique complexe.

Des facteurs non observés peuvent fausser les données, entraînant des conclusions incorrectes sur les recommandations.

Des approches innovantes basées sur les données améliorent le contrôle en ligne de systèmes avec des dynamiques inconnues.

Présentation d'un protocole pour la prédiction de liens respectant la vie privée dans des graphes distribués.

DeepliteRT simplifie l'apprentissage profond ultra low-bit pour un edge computing efficace.

Un nouveau jeu de données améliore la modélisation 3D des mains tenant des objets à partir de vidéos.

Cette recherche se concentre sur l'incorporation de l'incertitude dans les prédictions en utilisant l'inférence bayésienne.

Une méthode décentralisée améliore la collecte de données avec des appareils mobiles.

Des recherches montrent des failles dans les modèles d'apprentissage automatique grâce à une manipulation ciblée de l'incertitude.

Explorer comment les attaquants exploitent les grands modèles de langage pour extraire des connaissances.

Une nouvelle méthode améliore les prédictions en utilisant un système grammatical hiérarchique.

Une nouvelle méthode protège les données sensibles pendant l'entraînement des modèles de machine learning.

Une nouvelle bibliothèque pour créer et gérer des ensembles de données de labyrinthes en apprentissage machine.

Une nouvelle approche vise à améliorer la compréhension des prédictions des modèles grâce aux contrefactuels.