Informatique - Apprentissage automatique

Apprends comment les vendeurs peuvent fixer le prix de leurs données pour différents acheteurs.

Analyser comment l'ordre des données influence la mémoire dans les modèles de langage récurrents.

Cet article explore les défis pour atteindre l'équité en apprentissage automatique entre différents groupes démographiques.

Présentation d'un modèle qui combine des transformations basées sur des arbres pour une génération de résultats efficace.

Présentation de nouveaux solveurs pour un transport optimal efficace en apprentissage automatique.

SBoRA améliore l'affinage des grands modèles de langage, économisant des ressources et boostant les performances.

Examiner comment l'entraînement influence la performance du modèle dans des situations adversariales.

Une méthode pour identifier les décalages de données sans étiquettes.

Explorer comment ResNet18 traite les caractéristiques grâce à son flux résiduel unique.

Une nouvelle approche pour le regroupement en utilisant des modèles de blocs stochastiques à vues multiples.

Approche innovante pour créer des fonctions d'acquisition efficaces pour l'optimisation bayésienne.

Une étude révèle des techniques de prétraitement essentielles pour identifier le TDAH grâce à l'analyse EEG.

Les systèmes AFC s'efforcent de vérifier les revendications et de fournir des justifications claires.

Un aperçu de comment l'optimisation bayésienne s'attaque aux défis de haute dimension.

LoRA améliore la performance des gros modèles de langage tout en économisant des ressources.

Les chercheurs utilisent FlowMM pour prédire et créer de nouveaux matériaux cristallins de manière efficace.

Cet article présente une méthode pour mieux contrôler des systèmes physiques complexes.

Les astronomes utilisent l'apprentissage non supervisé pour analyser d'immenses ensembles de données et découvrir de nouveaux motifs célestes.

Cet article explore les défis et les opportunités des modèles linguistiques en science des matériaux.

Une étude sur la façon de combiner efficacement les mises à jour pour les modèles de langue.

Une nouvelle approche améliore la détection de clips audio mélangés réels et faux.

De nouvelles méthodes améliorent la précision dans la prévision des interactions anticorps-antigènes.

Un système génère des trajectoires de mouvement humain synthétiques pour améliorer les mesures de sécurité tout en protégeant la vie privée.

Un nouveau modèle améliore la génération de données tabulaires synthétiques pour diverses applications.

Cet article parle d'un nouveau modèle qui combine le traitement visuel et le traitement du langage.

Des chercheurs créent des signaux ERG synthétiques pour améliorer le diagnostic du trouble du spectre autistique.

Cette étude se concentre sur la suppression des trojans nuisibles dans les grands modèles de langage en utilisant des techniques de filtrage.

Examiner les vulnérabilités des modèles légers face aux attaques adversariales.

GROD améliore la façon dont les transformateurs gèrent les données hors distribution pour de meilleures prédictions.

Une nouvelle approche améliore la génération de candidats médicaments et leur efficacité dans la recherche pharmaceutique.

Apprends comment les MMDP améliorent la prise de décision dans des environnements incertains.

Présentation d'une approche de mémoire hybride pour améliorer les performances de l'IA.

De nouvelles méthodes améliorent l'apprentissage continu et l'adaptabilité des gros modèles pré-entraînés.

De nouvelles perspectives sur les classificateurs robustes améliorent leur capacité à résister aux attaques.

Mamba montre du potentiel contre les transformers dans les tâches de parole, surtout pour les longues entrées.

Cette étude adapte des techniques d'optimisation pour une meilleure performance dans l'espace de Wasserstein.

Une nouvelle méthode améliore l'identification des espèces de plantes à partir d'images.

Une approche claire pour comprendre les effets des actions successives dans différents domaines.

Cet article examine comment les réseaux de neurones traitent des données via leurs représentations.

Combiner la reachabilité Hamilton-Jacobi avec l'apprentissage par renforcement améliore la sécurité dans les systèmes de contrôle.