Informatique - Apprentissage automatique

Les robots améliorent leur mobilité en apprenant à prédire les caractéristiques du terrain.

Découvrez comment le machine learning améliore la compréhension et les prévisions des circuits quantiques.

Découvre comment les articles tendance améliorent les systèmes de recommandation en ligne pour une meilleure expérience utilisateur.

Analyser la propagation du paludisme par le biais de modèles et de techniques innovantes.

Cet article parle d'améliorer les fondations des éoliennes en mer grâce à la surveillance de l'état des structures.

AutoVCL améliore les stratégies d'apprentissage continu en IA pour gérer les complexités des tâches.

La technologie IA pourrait améliorer les évaluations dans les lignes d'écoute pour la prévention du suicide.

Cet article parle de l'apprentissage continu des relations causales sans perdre les connaissances précédentes.

De nouvelles méthodes permettent la surveillance de la pression artérielle sans intervention grâce à des appareils portables.

Analyser comment les recommandations musicales influencent la représentation des artistes locaux sur différentes plateformes.

Explorer la relation entre les transformateurs et les splines en IA.

TempoKGAT améliore la précision des prédictions dans des relations dynamiques en utilisant des méthodes sensibles au temps.

TG-PhyNN combine des réseaux de neurones et des lois physiques pour de meilleures prédictions.

Étudier les schémas de regard peut améliorer la compréhension des interactions sociales chez les personnes avec TSA.

Les chercheurs utilisent des données synthétiques pour améliorer la performance des modèles d'IA sans perte de qualité.

Un nouvel algorithme améliore la prise de décision dans les opérations du réseau électrique en utilisant des données historiques.

GRLinQ améliore la communication directe entre appareils en utilisant des techniques d'apprentissage automatique.

OpenFGL propose un cadre complet pour évaluer efficacement les méthodes d'apprentissage par graphes fédérés.

ART simplifie le développement de modèles de deep learning avec des étapes structurées et des outils de débogage.

De nouveaux modèles améliorent les suggestions de produits selon le comportement des utilisateurs.

Utiliser des réseaux de neurones profonds pour améliorer la détection de collisions dans les techniques de fabrication avancées.

Explorer comment les LLM aident à l'analyse des mouvements et leurs défis.

Une nouvelle approche pour valoriser les données met l'accent sur leur unicité pour l'apprentissage automatique.

Nouveau modèle améliore la qualité des images DWI à partir de données limitées en utilisant l'apprentissage profond.

Perspectives et conseils pour créer des datasets responsables en apprentissage automatique.

Combiner des expériences à haut débit et du machine learning pour améliorer les processus de fabrication additive.

Un nouvel outil pour améliorer les prédictions en utilisant l'apprentissage profond et des techniques d'assimilation de données.

De nouvelles méthodes améliorent la reconnaissance des expressions faciales en utilisant des techniques de calibration en une seule image.

De nouveaux modèles améliorent la vitesse et la précision des prévisions de feux de forêt.

Un nouveau standard aide les chercheurs à relever les défis des données sur le cancer.

Une nouvelle approche améliore la détection d'événements dans les LLMs en utilisant des Graphes Causaux Sémantiques.

Une étude sur l'amélioration des outils pour les développeurs juniors afin de traiter les problèmes de sécurité.

Une nouvelle méthode utilise des GANs pour améliorer les images radar par mauvais temps.

Une nouvelle méthode utilise des données vocales pour améliorer les évaluations de l'autisme.

La préparation des données en apprentissage automatique peut influencer l'explicabilité des décisions médicales.

Explorer l'apprentissage continu dans les réseaux de neurones grâce à l'ensemble tangent neural.

QAdaPrune simplifie l'élagage des paramètres dans les circuits quantiques variationnels pour de meilleures performances.

MoRe Fine-Tuning propose un moyen plus efficace d'adapter de grands modèles de machine learning.

Utiliser des GNN pour améliorer la précision des prévisions de consommation d'électricité.

Apprends à connaître la distance Gromov-Wasserstein et ses applis dans différents domaines.