Informatique - Apprentissage automatique

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.

Cet article explore des approches d'apprentissage profond pour détecter des intrusions dans les réseaux définis par logiciel.

La méthode KSOS améliore l'analyse et la prédiction dans les systèmes dynamiques en utilisant des techniques de noyau.

Méthodes pour améliorer la confiance dans les prédictions de l'IA pour les images médicales.

Examiner l'organisation et la spécialisation des neurones dans les modèles de transformeurs.

Ce papier explore les mécanismes derrière les activations des neurones et leur impact sur la performance du modèle.

Présentation de l'identification du meilleur bras équitable avec des contraintes d'équité dans la prise de décision.

Améliorer les modèles de perception pour les voitures autonomes avec des méthodes d'entraînement d'images innovantes.

Cette étude propose un modèle pour analyser les interactions entre le développement et l'hérédité chez les organismes.

Une nouvelle méthode améliore la détection des menaces persistantes avancées grâce à l'apprentissage automatique.

Ce papier parle des méthodes pour prendre des décisions en évitant les risques en utilisant des Processus de Décision de Markov.

Examiner les effets des mises à jour sur la sécurité, le biais et l'authenticité dans la génération d'images.

Cette méthode évalue les chemins cellulaires en utilisant des données instantanées limitées.

Un guide sur les méthodes et applications du clustering de données catégorielles.

Cette étude examine comment le bruit peut renforcer la résilience de la reconnaissance vocale face aux défis.

Améliorer la performance des apprentissages machine grâce à une interaction dynamique entre les données et les modèles.