Informatique - Apprentissage automatique

AutoEn simplifie la prévision du trafic en utilisant des techniques d'apprentissage automatique automatisées.

Un cadre de deep learning améliore l'efficacité dans la collecte de données EBSD.

TPGM améliore les performances du modèle lors du fine-tuning pour de nouvelles données.

Un aperçu des réseaux de neurones profonds avec pénalisation sparses et leurs applications.

Examen des techniques de normalisation et de la fréquence des mises à jour dans la performance de l'apprentissage fédéré.

SECAD-Net simplifie la création de modèles CAD modifiables à partir de données brutes en utilisant l'apprentissage auto-supervisé.

Un aperçu de comment les ensembles de données publiques améliorent les insights des données privées tout en gardant la vie privée.

Explore comment la prise de décision fédérée renforce la vie privée tout en permettant l'intelligence collective.

Cette étude explore la vérification grammaticale en bangla en utilisant le modèle T5.

Améliorer les méthodes d'auto-formation avec de meilleures techniques de sélection de pseudo-étiquettes.

découvre comment l'apprentissage automatique améliore l'analyse des faisceaux en ingénierie.

De nouvelles transformations améliorent l'efficacité et la précision de l'entraînement des DNN sans ressources supplémentaires.

De nouvelles méthodes créent des ensembles de données compacts qui améliorent l'apprentissage machine tout en réduisant les coûts et l'impact environnemental.

Une nouvelle approche garantit une évaluation des politiques plus sûre dans les applications critiques.

Une nouvelle approche pour gérer les rumeurs sur différents sujets avec des techniques avancées.

Découvrez comment DyVeRG suit les connexions évolutives dans divers domaines.

Examiner comment les opérateurs de marché peuvent fixer des prix efficaces avec des données limitées sur les fournisseurs.

Apprends comment la compression de modèles optimise l'apprentissage profond pour des applications concrètes.

De nouvelles méthodes de contrôle du bruit améliorent l'expérience utilisateur et l'efficacité.

Une nouvelle méthode combine plusieurs modèles GNN pour améliorer les performances et la robustesse.

Ce papier parle d'une nouvelle méthode qui combine des données hors ligne et un apprentissage en ligne.

La réflexion améliore les agents de prise de décision en permettant l'auto-réflexion et l'apprentissage des actions passées.

Examiner la régulation de l'IA à travers le prisme des cadres énergétiques nucléaires.

RepUX-Net propose une méthode innovante pour segmenter les images médicales avec une meilleure précision.

L'apprentissage fédéré améliore la confidentialité des données tout en faisant face à des défis de sécurité.

Des chercheurs ont développé un modèle pour aider les machines à raisonner sur des environnements 3D en utilisant plusieurs images.

Une méthode améliore la variation de la forme des objets tout en préservant l'intégrité de l'image.

Améliorer les méthodes de correspondance pour un meilleur soutien sur les plateformes de santé mentale en ligne.

Deep Image Prior propose une méthode pour récupérer des images sans avoir besoin de beaucoup de données d'entraînement.

Explorer le rôle de l'échelle des unités pour les formats à virgule flottante dans l'apprentissage profond.

De nouvelles méthodes améliorent la vitesse et la précision dans la prévision du comportement moléculaire.

Présentation de DP-FedSAM : une nouvelle méthode pour améliorer la confidentialité et les performances dans l'apprentissage fédéré.

Des chercheurs ont développé une nouvelle méthode pour prédire avec précision les mouvements physiques.

COCOA aide les scientifiques à améliorer l'analyse des collisions de particules en utilisant des simulations propulsées par l'IA.

Des chercheurs explorent l'apprentissage automatique en utilisant des comportements d'ondes uniques dans des systèmes liquides.

Enquête sur comment les méthodes traditionnelles s'en sortent avec des ressources informatiques limitées dans des scénarios réels.

Voici TWINS, un cadre qui booste les performances des modèles contre les attaques adversariales.

Des recherches montrent de nouvelles stratégies pour mieux séparer les signaux OFDM.

Un nouveau modèle prédit la durée des séjours à l'hôpital des patients en utilisant des séquences d'événements.

Une nouvelle méthode améliore l'efficacité de l'entraînement des équations différentielles neuronales en utilisant des stratégies adaptatives.