Informatique - Apprentissage automatique

Une nouvelle approche améliore la compréhension de l'héritage biologique sur plusieurs générations.

Améliorer les modèles d'état par de meilleures techniques d'entraînement pour les données de séries temporelles.

Explorer les effets des radiations sur les modèles d'apprentissage automatique pour les applications spatiales.

DIG-Mol améliore les prédictions du comportement des molécules pour un développement de médicaments plus rapide.

Des méthodes innovantes améliorent la précision du suivi des satellites grâce à des techniques d'apprentissage automatique.

Un nouveau modèle redéfinit l'analyse des graphes en utilisant des ensembles de points pour des prédictions améliorées.

Cet article met en avant l'efficacité de méthodes plus simples pour détecter des anomalies dans les données de séries temporelles.

Apprends comment l'apprentissage fédéré garde les données privées tout en améliorant l'apprentissage automatique.

Une méthode pour que les agents apprennent des stratégies dans les jeux de champ moyen avec un minimum de connaissances préalables.

BiSHop améliore l'apprentissage profond pour les données tabulaires avec des techniques innovantes.

Cette étude évalue comment la taille du modèle et la quantification impactent la performance du modèle de langue.

La recherche s'attaque aux soucis de vie privée dans les modèles de langage grâce à des méthodes innovantes de désapprentissage.

Découvre une méthode pour réduire la taille des réseaux de neurones sans sacrifier la performance.

Découvrez comment l'interpolation améliore la fiabilité de l'apprentissage automatique en science.

Une nouvelle approche acteur-critique s'attaque aux défis multi-objectifs dans l'apprentissage par renforcement.

De nouvelles méthodes offrent des perspectives plus claires sur les décisions algorithmiques en utilisant des explications contrefactuelles.

La recherche s'attaque au calcul du score SHAP tout en relâchant les hypothèses d'indépendance des caractéristiques.

Une étude révèle des problèmes de confiance excessive dans les modèles de langage et de vision IA.

Un aperçu de comment fonctionnent les distributions conditionnelles avec des variables aléatoires gaussiennes.

Explorer des méthodes d'apprentissage fédéré pour protéger la vie privée des utilisateurs et améliorer les performances des modèles.

Un regard de plus près sur les mécanismes d'auto-attention dans les modèles de traitement du langage.

De nouvelles techniques améliorent l'efficacité et la précision des grands modèles de langage.

Un nouveau modèle améliore la performance des transformateurs en gérant l'inefficacité des valeurs aberrantes.

Améliorer les modèles de diffusion en ajoutant LoRA aux couches d'attention pour de meilleures images.

Utiliser un nouveau modèle pour prédire les résultats des patients à partir des dossiers de santé électroniques.

Les modèles de mémoire modernes améliorent l'apprentissage et les processus de récupération de l'IA.

Une nouvelle méthode pour ajuster rapidement l'exposition de la caméra en utilisant l'apprentissage par renforcement profond.

Un cadre pour améliorer la sécurité dans les circuits automobiles en utilisant l'apprentissage automatique.

Aardvark Weather utilise l'apprentissage automatique pour des prévisions météo précises et efficaces.

Utiliser la valeur d'échange pour apprendre à l'IA des comportements sûrs et efficaces des humains.

Une nouvelle méthode améliore la reconnaissance d'images en imitant les ajustements visuels humains.

ApisTox offre des infos super importantes sur les effets des pesticides sur les abeilles.

Nouveau modèle d'IA améliore la compréhension des images en trois dimensions.

Explorer comment SAM améliore les performances des modèles face au bruit d'étiquettes.

Découvrez comment les algorithmes de démarrage à chaud améliorent les performances en utilisant des connaissances antérieures.

Apprends des stratégies efficaces pour l'entraînement à basse précision tout en gardant la précision du modèle.

Un aperçu de la NMF et de ses applications dans la simplification des données complexes.

Un cadre qui améliore les performances de clustering en utilisant des techniques d'apprentissage auto-supervisé.

Une nouvelle méthode pose des risques importants pour la vie privée dans l'apprentissage fédéré.

De nouvelles techniques améliorent la sécurité et l'efficacité dans la surveillance des infrastructures.