Informatique - Apprentissage automatique

Une nouvelle méthode améliore la fiabilité des prédictions dans les réseaux de neurones profonds.

GeoAI mélange la géographie et l'IA pour analyser des données spatiales de manière éthique et durable.

Un nouveau cadre apprend aux robots à manipuler des objets mous avec une habileté semblable à celle des humains.

PADME permet une analyse de données sécurisée tout en respectant les règles de confidentialité en sciences sociales.

Un ensemble de données complet de deux millions de recettes catégorisées pour la recherche culinaire et l'application.

Une nouvelle méthode pour identifier la désinformation sur le COVID-19 en analysant les émotions dans les tweets.

Cette étude présente un système qui améliore le raisonnement logique grâce à une planification explicite dans les modèles de langage.

Examen de l'impact du biais dans les technologies de suivi de la santé.

Un aperçu des pratiques d'équité dans le machine learning et leur impact sur la société.

Une nouvelle méthode améliore l'estimation de la teneur en humidité pendant le séchage des médias filtrants.

Protéger les données des patients tout en utilisant l'apprentissage automatique dans les applis de santé.

Une nouvelle méthode améliore la récupération d'images avec des données limitées.

Cette étude examine les défauts dans les images générées par les GAN et l'efficacité des classificateurs.

Une meilleure méthode pour créer des données d'entraînement dans le contrôle prédictif de modèle.

Un aperçu des méthodes non supervisées pour détecter les changements environnementaux.

Une nouvelle approche pour estimer la précision des modèles de machine learning sur des données invisibles.

Une nouvelle méthode améliore la capacité de l'INR à récupérer des données manquantes dans les images.

La recherche améliore la récupération de signal en utilisant des réseaux d'approfondissement profonds basés sur ADMM avec une analyse de sparsité.

Cette étude aborde les défis des modèles de vision dans des environnements inconnus.

Cet article examine la robustesse des vectorisateurs de texte face aux changements d'entrée.

Une méthode pour évaluer des modèles d'apprentissage profond sans données étiquetées.

Apprends comment l'apprentissage auto-supervisé donne du pouvoir aux modèles grâce aux données non étiquetées.

Une méthode plus simple pour aider les machines à reconnaître les émotions humaines à partir du texte.

Explorer les limites de la d-séparation dans les méthodes de découverte causale.

Des chercheurs améliorent les images 3D avec de nouvelles techniques pour plus de cohérence et de réalisme.

Des méthodes innovantes en VLC améliorent la communication sans fil dans les endroits bondés.

Une nouvelle méthode améliore la façon dont les robots apprennent des actions humaines.

De nouveaux algorithmes améliorent la prise de décision dans des environnements avec des récompenses extrêmes.

Une nouvelle méthode réduit les erreurs dans l'entraînement des doubles encodeurs tout en étant économe en mémoire.

Utiliser des données non étiquetées pour améliorer les systèmes de détection de voitures autonomes dans de nouveaux environnements.

Une nouvelle méthode améliore la reconnaissance des actions grâce aux squelettes et aux formes des objets.

Utiliser l'apprentissage machine pour optimiser les formats de stockage pour les matrices creuses.

Les lexiques bilingues améliorent la précision de la traduction automatique pour les langues à ressources limitées.

TANGOS améliore les performances de l'apprentissage profond sur des données tabulaires grâce à la spécialisation des neurones.

Examiner les différences de performance entre des données synthétiques et réelles dans les systèmes de vision par ordinateur.

Cette étude évalue la performance de XGBoost sur la détection de fraude avec différents ensembles de données.

Une nouvelle méthode améliore l'efficacité du classement des hyperparamètres dans les modèles de machine learning.

Une étude sur l'utilisation de noyaux neuraux pour de gros ensembles de données grâce à la computation parallèle.

AIDA combine des modèles basés sur les données et des modèles basés sur des règles pour mieux simuler le comportement des conducteurs.

Techniques efficaces pour résoudre des problèmes d'optimisation avec des propriétés spécifiques des ensembles.