Informatique - Apprentissage automatique

Utiliser des images satellites d'avant la catastrophe améliore la détection des impacts des désastres.

Apprends comment la classification de graphiques aide à automatiser la compréhension des données.

L'algorithme ICE améliore les performances en classification linéaire pour des domaines critiques.

Examine comment l'ordre des données influence l'équité dans les modèles d'apprentissage machine.

Un nouveau cadre équilibre l'efficacité de l'apprentissage profond et les émissions de carbone.

Une nouvelle approche améliore les prévisions dans des systèmes complexes en utilisant des données irrégulières et incomplètes.

Un aperçu des défis de l'apprentissage des arbres de décision, surtout avec les requêtes.

De nouvelles approches améliorent les prévisions du comportement des fluides autour des corps en mouvement.

Un nouveau système de téléopération améliore le contrôle à distance des robots dans différents environnements.

Les réseaux de neurones auto-expansibles s'adaptent efficacement aux tâches grâce à des ajustements dynamiques.

Une nouvelle méthode pour améliorer l'équité dans les modèles d'apprentissage fédéré tout en préservant la vie privée.

Découvre l'entraînement dynamique sparse et ses avantages pour l'efficacité des réseaux de neurones.

Explore comment la préparation des données impacte les modèles d'IA dans la détection de logiciels malveillants.

Un cadre pour améliorer les prédictions en utilisant l'abstention contre les données trompeuses.

Une étude examine comment les modèles d'image gèrent différentes transformations.

Une nouvelle méthode réduit l'effort de labellisation dans la classification vidéo en utilisant des techniques d'apprentissage actif.

DBFed vise à réduire les biais dans l'IA tout en protégeant la vie privée des données.

Explorer des méthodes pour améliorer les recommandations avec des graphes de connaissances et l'apprentissage automatique.

Explorer des techniques d'apprentissage par renforcement pour des systèmes d'IA plus sûrs.

Les méthodes basées sur la curiosité améliorent les stratégies d'exploration en intelligence artificielle.

CTFN améliore la précision de la détection des bords en utilisant des caractéristiques multi-échelles et des fonctions de perte dynamiques.

SimpleMTOD améliore les discussions en fusionnant la compréhension linguistique et visuelle.

Une nouvelle méthode améliore la fiabilité des images médicales synthétiques en utilisant les évaluations de pathologistes.

Examen des transformateurs préentraînés pour l'apprentissage multitâche et l'efficacité de la communication dans des environnements fédérés.

Fed-CPrompt améliore l'apprentissage continu fédéré tout en préservant la vie privée des utilisateurs.

Une nouvelle méthode s'attaque aux étiquettes biaisées dans la santé et au-delà.

LendingClub peut utiliser les données pour améliorer la prise de décision et booster la rentabilité.

Un nouveau système aide les robots à apprendre à réorganiser des objets par exemple.

Les robots communiquent mieux pour bosser ensemble sur des tâches complexes en utilisant des modèles de langage.

Les mineurs améliorent leurs récompenses grâce à des connexions stratégiques et une latence réduite.

Un nouveau cadre pour améliorer les modèles d'apprentissage profond pour les données de séries temporelles.

Cet article traite de la multiplicité prédictive et propose des algorithmes d'ensemble pour des prévisions plus équitables.

Une étude sur l'impact des chambres d'écho et de la polarisation dans les discussions en ligne.

L'apprentissage MinMax offre stabilité et efficacité dans l'entraînement des réseaux de neurones.

Utiliser des capteurs pour garantir la sécurité des personnes âgées vivant seules.

Examiner des méthodes pour retirer efficacement les données personnelles des modèles d'IA.

QBitOpt améliore les performances des réseaux de neurones en optimisant efficacement les allocations de largeur de bit.

Les méthodes d'inférence causale évoluent pour relever des défis dans la santé, l'éducation et le e-commerce.

Une nouvelle méthode utilise l'IA pour détecter les changements de forme du cerveau liés à des maladies.

Examiner comment les modèles surparamétrés peuvent apprendre et généraliser dans des contextes multiclasses.