Informatique - Apprentissage automatique

Les GNNs énergétiques améliorent la communication et l'adaptation dans les systèmes multi-agents.

Améliorer l'adaptabilité dans les algorithmes d'optimisation appris en utilisant des méthodes traditionnelles.

Nouveau modèle d'IA améliore la segmentation des tumeurs et le diagnostic du cancer du poumon.

Une nouvelle approche utilisant la connaissance améliore l'efficacité de l'apprentissage à partir de graphes relationnels.

Examiner les algorithmes de DRL et leur impact sur les stratégies de trading en finance.

Une nouvelle méthode améliore les modèles d'IA tout en protégeant la vie privée des patients.

L'apprentissage par renforcement en boucle ouverte offre une nouvelle façon pour les agents de faire des choix.

Une nouvelle façon d'évaluer les résumeurs personnalisés au-delà de la simple précision.

Une nouvelle politique améliore les choix dans des environnements de prise de décision incertaine.

De nouveaux modèles améliorent le balisage automatique des textes en latin médiéval pour une meilleure analyse.

Les données manquantes impactent la performance des modèles et les insights obtenus grâce au machine learning.

Un aperçu des méthodes pour clarifier les décisions de l'IA grâce au lissage des gradients.

Les robots apprennent plus vite et mieux avec des récompenses rares et une approche de temps minimum.

Une nouvelle méthode améliore la performance des LLM dans les tâches mathématiques complexes.

Meent améliore les simulations électromagnétiques et l'apprentissage automatique pour la conception de dispositifs optiques.

Une étude révèle de nouveaux modèles pour comprendre les gaz ultra-froids et leur comportement.

Cette étude explore des modèles d'apprentissage profond pour une cartographie précise du riz au Bhoutan.

Une nouvelle méthode combine le raisonnement basé sur le texte et le SQL pour améliorer les réponses aux questions sur les tables.

Présentation de BADM pour une formation plus rapide et plus précise des modèles d'apprentissage profond.

Un outil pour vérifier la sécurité des modèles d'apprentissage profond.

Les Graphes de Réseaux Neuronaux de Commute améliorent la compréhension des graphes dirigés grâce à des insights relationnels renforcés.

Cet article examine des problèmes liés à l'entraînement des réseaux de neurones et à leur stabilité.

Un système qui génère des recettes de cuisine à partir d'images de nourriture.

HIGHT améliore les modèles de langage en utilisant des infos hiérarchiques provenant de données graphiques.

Cette étude examine comment les données visuelles et textuelles influencent la performance des modèles.

CD-T améliore la compréhension des modèles de transformateur, renforçant l'interprétation et la confiance.

Apprends comment l'apprentissage bayésien améliore les prédictions et gère l'incertitude en apprentissage automatique.

Une nouvelle méthode améliore la précision des estimations des effets des traitements au fil du temps.

Une nouvelle méthode pour classer les avis de voyage selon les besoins des utilisateurs.

BasisN s'attaque aux défis de la RRAM pour des calculs de réseaux neuronaux profonds plus rapides et écoénergétiques.

Cet article parle des méthodes efficaces pour améliorer la quantification de l'incertitude dans des modèles complexes en utilisant des réseaux de neurones.

Un nouveau cadre améliore les prévisions environnementales en combinant efficacement les sources de données.

DeepMoveSORT améliore l'efficacité du suivi d'objets, surtout dans des scénarios de mouvement complexes.

Une nouvelle méthode améliore la gestion des accents différents par les systèmes ASR grâce à des codebooks spécialisés.

LEQ améliore la performance sur des tâches à long terme en apprentissage par renforcement hors ligne.

Une nouvelle approche pour améliorer les réseaux de neurones graphiques grâce à une représentation complexe des sommets.

Présentation de nouveaux algorithmes pour une optimisation bilatérale efficace en apprentissage automatique.

Une nouvelle approche pour la recherche d'architecture neuronale offre plus de flexibilité et de meilleures performances.

BAPO améliore les modèles de langage tout en gardant les connaissances essentielles et les préférences des utilisateurs.

De nouvelles méthodes améliorent la précision et l'efficacité des systèmes de reconnaissance vocale.