Informatique - Apprentissage automatique

AXE améliore les performances du modèle tout en minimisant le dépassement dans la quantification consciente des accumulateurs.

Une nouvelle architecture améliore les prévisions des dépenses des utilisateurs sur les plateformes de sports fantaisie.

Cette étude évalue les algorithmes DG pour gérer le changement de domaine dans l'analyse d'images médicales.

Une nouvelle méthode améliore les résultats de santé en analysant des données multimodales incomplètes.

La recherche évalue les liens entre les modèles de parole et de langage pour une meilleure reconnaissance et traduction.

Cette méthode permet aux modèles de langage de prendre en compte des résultats alternatifs dans la génération de texte.

Examiner les liens entre SFA et SR dans l'analyse de données.

La recherche souligne le besoin de méthodes axées sur l'utilisateur dans l'attribution des données d'entraînement.

ASLS permet la personnalisation en temps réel des modèles de langage selon les interactions des utilisateurs.

ABCFair offre un cadre flexible pour évaluer les méthodes d'équité en intelligence artificielle.

Explorer des cartes invariantes et équivariantes pour améliorer les réseaux de neurones.

Cet article parle d'améliorer la détection d'anomalies non supervisée en utilisant des méthodes de classification.

De nouvelles méthodes pour planifier des missions afin de s'attaquer à l'augmentation des déchets spatiaux émergent.

Une nouvelle approche pour unifier les mesures de similarité pour des comparaisons scientifiques plus claires.

Une étude relie les propriétés visuelles des graphiques GAM à la charge cognitive pour une meilleure compréhension.

Intégrer des infos démographiques améliore grave la précision des modèles urbains.

CausalBench aide les chercheurs à étudier les relations de cause à effet en utilisant les données de manière efficace.

Examiner comment les paramètres du modèle influencent les performances sur des tâches à long terme.

Une nouvelle approche améliore l'entraînement de groupes de modèles divers efficacement sans données OOD séparées.

Des approches innovantes améliorent la précision des tests statistiques avec des données incomplètes.

Une nouvelle méthode améliore la capacité des robots à pattes à naviguer dans des environnements complexes en utilisant des entrées visuelles.

Une nouvelle méthode améliore la précision de la segmentation des lésions de la SEP dans les IRM.

L'échantillonnage local propose une nouvelle façon de gérer des données complexes de manière efficace.

Des taux d'apprentissage dynamiques et des super ensembles de niveaux renforcent la stabilité dans l'entraînement des réseaux de neurones.

Présentation de CLIPFit, une méthode pour un ajustement efficace des modèles Vision-Langue.

De nouvelles méthodes améliorent l'analyse des données environnementales en utilisant des représentations fonctionnelles.

Apprends comment la quantification à faible bit améliore l'efficacité des grands modèles de langage.

L'apprentissage inverse de graphes propose une solution pour enlever des données obsolètes sans devoir tout réentraîner.

CryptoTrain combine des techniques cryptographiques pour protéger les données sensibles pendant l'entraînement des modèles de machine learning.

SWE2 améliore la détection des discours haineux sur les réseaux sociaux grâce à des techniques avancées.

Cet article examine des méthodes pour identifier le commerce illégal d'animaux sauvages en ligne.

GraphLoRA améliore la transférabilité des Graph Neural Networks sur des graphes variés.

Une nouvelle approche pour améliorer les prédictions de propriétés moléculaires en IA en ajoutant des tâches.

Présentation d'une nouvelle méthode pour améliorer les modèles de deep learning en réduisant le surajustement.

Une méthode pour suivre les changements climatiques après les éruptions volcaniques révèle des pistes importantes.

Une nouvelle méthode améliore l'efficacité de la manutention des matériaux en utilisant l'apprentissage par renforcement multi-agent.

De nouveaux modèles améliorent la prévision des propriétés des matériaux grâce aux agencements atomiques.

Une nouvelle méthode améliore le placement des capteurs pour une meilleure précision des données dans les systèmes physiques.

Le cadre A3 améliore les modèles d'apprentissage automatique pour s'adapter à de nouveaux environnements de données.

Examiner le rôle des classificateurs, surtout les modèles CVFR, dans l'apprentissage automatique.