Informatique - Apprentissage automatique

Cette méthode met l'accent sur les changements d'état pour une meilleure planification des tâches dans les vidéos.

Cet article parle des techniques d'échantillonnage à partir de modèles à champ moyen dans des systèmes complexes.

Une nouvelle méthode améliore les modèles de transformateurs pour s'adapter aux flux de données changeants.

Présentation du Directional Graph Attention Network pour améliorer l'apprentissage des nœuds dans des graphes complexes.

Une nouvelle approche pour l'adaptation de domaine de graphe sans avoir besoin de données étiquetées.

Une nouvelle méthode améliore les prévisions de charge énergétique tout en garantissant la confidentialité des données.

Une nouvelle méthode pour comparer efficacement des graphes temporels.

Ce boulot améliore la génération de structures 3D en utilisant l'invariance SE(3) dans les processus de diffusion.

Asyn2F améliore l'apprentissage fédéré asynchrone pour un meilleur entraînement des modèles et la protection des données.

Un nouveau cadre améliore le pré-entraînement des graphes en sélectionnant et en pondérant les tâches de manière efficace.

Une nouvelle approche pour améliorer les stratégies de reprogrammation cellulaire en utilisant l'apprentissage par renforcement profond.

Cet article parle d'utiliser des LLM pour améliorer l'éducation à la littératie des adultes et la précision des prévisions.

Apprends comment la calibration isotopique causale améliore les prédictions des effets des traitements dans différents domaines.

Examen de l'impact de la corruption des données sur les stratégies d'apprentissage dans des jeux de Markov à somme nulle à deux joueurs.

Une méthode innovante simplifie l'entraînement des modèles pour la classification d'images complexes.

Les modèles du monde aident les voitures autonomes à prédire les événements sur la route pour la sécurité.

Explore comment Adam améliore l'entraînement des modèles de deep learning et surpasse la descente de gradient.

Une nouvelle approche améliore le marquage des structures pulmonaires pour une meilleure analyse médicale.

Une nouvelle méthode améliore la résolution d'équations complexes en utilisant l'apprentissage automatique.

Présentation d'un modèle qui améliore les prévisions de trafic grâce à des techniques spatiales innovantes.

Une nouvelle approche équilibre le coût et la fraîcheur des données dans les systèmes IoT.

Une nouvelle approche améliore la précision de l'apprentissage automatique tout en garantissant la confidentialité des données.

Explorer comment les symétries dans les fonctions de perte influencent la dynamique de l'AGD pendant l'apprentissage profond.

Explorer l'efficacité des données réelles par rapport aux données synthétiques dans les modèles de séries temporelles.

Présentation de PR-Isomap pour une meilleure analyse des données médicales complexes.

Une nouvelle approche de la représentation des images avec confidentialité différentielle grâce au sous-titrage.

Une nouvelle méthode améliore l'apprentissage des agents LLM en prenant en compte à la fois les succès et les échecs.

Une nouvelle méthode vise à améliorer la sécurité et l'utilité des grands modèles de langage.

De nouvelles méthodes améliorent la précision dans l'étude du développement du cerveau fœtal.

Une nouvelle méthode améliore le nettoyage des données tout en maintenant l'équité dans les modèles d'apprentissage automatique.

Une nouvelle méthode simplifie le transfert de style audio en utilisant des effets non-différentiables.

NatSGD améliore la compréhension des robots grâce aux interactions naturelles de la parole et des gestes.

L'IA change la façon dont les nouveaux médicaments sont développés, rendant le processus plus rapide et plus efficace.

La recherche sur l'entraînement de précision cyclique améliore l'efficacité de l'entraînement des réseaux de neurones profonds.

Examiner comment les réseaux de neurones privilégient les fonctions simples aux motifs complexes.

Une nouvelle méthode améliore l'analyse des données en physique des hautes énergies en utilisant l'apprentissage auto-supervisé.

Une méthode appelée Masked Thought Fine-Tuning améliore la résolution de problèmes mathématiques dans les modèles de langage.

Une approche complète pour protéger la vie privée des données tout en maintenant l'utilité du modèle.

Une nouvelle méthode améliore l'efficacité de l'apprentissage fédéré en utilisant des stratégies de mise à jour des clients.

L'augmentation de la base de Fourier auxiliaire renforce la robustesse des images dans les modèles de vision par ordinateur.