Informatique - Apprentissage automatique

Ce projet vise à classifier les espèces de serpents en utilisant des techniques d'analyse d'image.

Une nouvelle méthode améliore la navigation des robots et l'évitement des obstacles.

Une nouvelle méthode améliore le timing et l'efficacité de l'entraînement des CNN.

Les portes dérobées dans les modèles d'IA représentent des menaces sérieuses pour la finance et la santé.

Diffuse-TreeVAE combine le clustering et la modélisation générative pour créer des images de haute qualité.

Une nouvelle approche de l'optimisation permet une meilleure analyse des tailles de pas variées.

Présentation de l'estimateur de regroupement de panneaux pour une analyse améliorée de l'effet des traitements.

Présentation de MaxCut-Bench pour une évaluation cohérente des algorithmes dans les défis d'optimisation.

TrCAM-V propose une nouvelle façon de localiser des objets dans des vidéos avec un minimum d'infos.

Cette étude utilise des images satellites pour mesurer la pauvreté infantile grâce à des modèles avancés.

Une méthode pour améliorer le déploiement de l'apprentissage profond sur des appareils à ressources limitées.

Présentation des matrices Group-and-Shuffle pour un ajustement efficace des modèles neuronaux.

Une nouvelle approche pour analyser la dynamique des fluides en utilisant des données d'IRM.

Les modèles de diffusion offrent de nouvelles manières de générer efficacement des données sur la glace de mer.

Une nouvelle méthode améliore la classification malgré des étiquettes bruyantes et des ensembles de données déséquilibrés.

Le benchmark TAPVid-3D améliore le suivi de points 3D pour la robotique et les applis vidéo.

De nouveaux algorithmes améliorent la compréhension des relations entre les variables dans la découverte causale.

Une nouvelle méthode améliore l'optimisation en apprentissage automatique avec un entraînement efficace.

Une nouvelle approche d'IA utilise le tunnelage quantique pour mieux comprendre des images complexes.

Une nouvelle méthode pour identifier les infections à l'aide d'échantillons de sang et d'apprentissage automatique.

Une nouvelle façon de comprendre des séquences de données complexes sans supervision.

Cet article explore la prise de décision dans les jeux avec des infos cachées en utilisant des réseaux de neurones.

Une étude sur l'amélioration de la prise de décision dans le chess avec peu d'infos grâce aux réseaux neuronaux.

Aperçus sur le comportement des utilisateurs grâce à des techniques de modélisation de données innovantes.

Cette recherche met en avant des méthodes pour améliorer les modèles de langage en ajoutant du nouveau vocabulaire de manière efficace.

Une nouvelle méthode s'attaque aux défis des données en IA pour la santé.

Une méthode pour améliorer la précision du modèle en prenant en compte l'incertitude des variables.

Les politiques séquentielles améliorent la performance dans la configuration d'algorithmes dynamiques avec des choix interconnectés.

Une méthode pour minimiser la consommation d'énergie tout en gardant la performance des modèles en apprentissage automatique.

Cette recherche parle du rôle de l'apprentissage fédéré pour protéger la vie privée pendant l'analyse des données.

FairPFN utilise des transformers pour favoriser l'équité dans les prédictions d'apprentissage automatique.

Nouvelles méthodes pour les tests statistiques tout en protégeant la vie privée des données grâce à l'apprentissage fédéré.

Une nouvelle méthode utilisant des vecteurs circulaires améliore l'efficacité dans les tâches multi-label.

Une étude sur la réduction des dommages contrefactuels dans les outils de prise de décision.

L'Architecture Réseau Dynamique propose une nouvelle approche des systèmes visuels intelligents.

GRASS améliore les réseaux de neurones graphiques avec des mécanismes de réinvention et d'attention innovants.

L'IA améliore les choix de traitement dans les milieux cliniques en utilisant les données d'ECR.

Un nouveau modèle de deep learning améliore la prédiction de mouvement pour des objets solides en 3D.

De nouvelles approches améliorent les stratégies de contrôle pour des systèmes complexes et non linéaires en utilisant des caractéristiques aléatoires.

Cette étude montre que les LLM préfèrent leurs propres productions à celles écrites par des humains.