Informatique - Apprentissage automatique

Une nouvelle méthode améliore la confidentialité lors de l'entraînement de modèles d'apprentissage profond.

L'intégration des données cliniques avec les images X-ray améliore la précision du diagnostic.

Avec des appareils intelligents, le suivi du stress en temps réel est maintenant plus facile et plus précis.

La recherche améliore les modèles en s'attaquant à l'incertitude dans les Équations Différentielles Universelles.

SPCL améliore la stabilité de l'entraînement des modèles dans les environnements multi-tâches.

ARCO améliore les performances des modèles d'apprentissage profond grâce à une collaboration intelligente entre le matériel et le logiciel.

Un regard critique sur la diversité dans les jeux de données et comment l'améliorer.

Cet article parle du désapprentissage machine et de ses implications pour la protection des données.

Explorer la distillation de connaissances symboliques dans les grands modèles de langage pour plus de clarté et d'utilité.

Examiner la vulnérabilité des réseaux de neurones face à de petits changements d'entrée.

De nouvelles méthodes améliorent les attaques black-box en utilisant des données non étiquetées pour l'apprentissage automatique.

Une nouvelle technique améliore l'utilisation de l'énergie dans l'apprentissage machine basé sur les arbres.

Anvil simplifie l'optimisation de design en intégrant des techniques de CAO, de CFD et d'IA.

Examen de l'efficacité et de l'utilisation de l'énergie des grands modèles linguistiques dans les applications d'IA.

Un nouveau jeu de données améliore les processus de sélection des matériaux dans les projets de design.

Un nouveau modèle améliore les prévisions de pluie à court terme en utilisant des techniques avancées.

De nouveaux modèles d'apprentissage automatique améliorent les simulations climatiques pour de meilleures prédictions.

Un aperçu des méthodes de replay d'expérience et leur impact sur l'efficacité d'apprentissage.

Une nouvelle méthode pour détecter rapidement et avec précision les changements dans les corrélations de données.

Alpha Flow-Lit améliore la génération de formes de protéines, rendant ça plus efficace et précis.

Une nouvelle approche pour renforcer la sécurité dans l'apprentissage fédéré contre les attaques backdoor.

La recherche présente de nouvelles méthodes pour évaluer les systèmes de reconnaissance vocale en polonais.

Stratégies pour améliorer les modèles de machine learning avec des ensembles de données qui changent.

De nouvelles méthodes réduisent l'utilisation de la mémoire tout en maintenant la performance des LLMs.

Un nouvel algorithme s'attaque aux défis de l'optimisation à deux niveaux avec des contraintes couplées.

Explorer comment de nouvelles approches mathématiques améliorent l'apprentissage automatique pour des types de données complexes.

Découvrez comment la sparsité des blocs de poids améliore les performances et l'efficacité de l'IA.

Une nouvelle méthode améliore la collecte de feedback pour les modèles de langue, ce qui fait gagner du temps et de l'argent.

Un nouvel environnement de jeu de course booste la recherche en apprentissage par renforcement hors ligne.

Présentation d'une approche innovante qui conserve les angles pour visualiser des données de haute dimension.

Cet article parle des défis et des solutions dans les Réseaux de Neurones Graphiques.

L'encodage positionnel sinusoïdal offre un meilleur apprentissage et des performances améliorées dans les tâches d'apprentissage machine.

Nouveau modèle qui accélère les simulations du comportement des métaux dans des conditions corrosives.

Ce papier se concentre sur l'amélioration de la fiabilité des sorties des modèles de langue.

De nouvelles techniques améliorent l'efficacité dans des problèmes d'optimisation complexes pour l'apprentissage automatique.

Une nouvelle méthode pour choisir les augmentations de données améliore les performances des modèles sur les tâches de séries temporelles.

Cette technique améliore la précision des prédictions en quantifiant efficacement l'incertitude.

ACoNE propose un modèle efficace pour générer des embeddings de requête explicables.

Une nouvelle technique pour améliorer l'imagerie par ultrasons en utilisant des ondes sonores.

Apprends comment la divergence de Bregman aide à mesurer les différences de données et à améliorer les modèles d'apprentissage automatique.