Informatique - Apprentissage automatique

Les FDEs neuronales combinent des réseaux de neurones et des équations différentielles fractionnaires pour améliorer la modélisation de systèmes complexes.

Une nouvelle approche booste les performances des réseaux hybrides LiFi et WiFi.

Une nouvelle méthode améliore la précision des prévisions de prix en affinant la sélection des caractéristiques.

Un nouveau système améliore la qualité d'image en utilisant des adaptateurs spécialisés basés sur des invites textuelles.

Une méthode d'entraînement en deux étapes améliore les ODEs neuronales pour les systèmes contraints.

SGD-PH combine des méthodes de premier et de deuxième ordre pour une meilleure performance d'entraînement du modèle.

Les modèles quantiques améliorent la précision de la classification d'images en s'attaquant aux variations et aux rotations.

Une méthode pour vérifier la fiabilité d'un modèle sans vraies étiquettes.

Une nouvelle métrique mesure la similarité des datasets tout en préservant la vie privée dans l'apprentissage fédéré.

Les CNF utilisent des équations différentielles pour modéliser efficacement des distributions de probabilité complexes.

Examiner des outils pour détecter le décalage de données dans les applications d'apprentissage automatique.

La méthode FOOL améliore le transfert de données satellites en réduisant la taille tout en préservant la qualité.

Explorer comment le transfert d'apprentissage impacte l'efficacité des modèles dans différents contextes de données.

Un nouveau modèle, MolCRAFT, améliore la conception de médicaments en générant des structures moléculaires réalistes.

De nouvelles méthodes améliorent la sécurité en mesurant la confiance dans les décisions des véhicules autonomes.

Une nouvelle méthode améliore les scans CT à faible dose en réduisant efficacement le bruit.

De nouvelles méthodes améliorent la formation dans les systèmes d'apprentissage fédéré décentralisé.

Un nouvel optimiseur améliore la communication dans l'entraînement AI distribué.

De nouveaux référentiels révèlent des défis pour les MLLMs dans des tâches du monde réel avec de longs contextes.

Med-Gemini améliore le système de santé avec une IA avancée pour le diagnostic et l'interaction avec les patients.

Apprends comment les modèles de diffusion améliorent l'analyse des séries temporelles dans différents domaines.

Nouveaux outils améliorent l'édition de l'enregistrement vocal et la qualité de production.

Une étude révèle des infos sur l'équilibre entre les entrées visuelles et textuelles dans les VLMs.

Un regard sur l'importance de la reproductibilité dans les études en IA et ML.

L'optimisation des préférences douces améliore la façon dont les modèles de langage s'alignent avec les préférences humaines.

Une nouvelle méthode améliore l'efficacité des retours humains en RL en utilisant des données de mauvaise qualité.

Prendre en compte les préférences humaines variées dans les méthodes de formation de l'IA.

Découvrez comment l'apprentissage machine interprétable peut améliorer les prévisions météorologiques et climatiques.

Apprends comment les modèles génératifs changent les techniques de retouche vidéo.

Les chercheurs utilisent des modèles LSTM pour étudier la dynamique des gouttelettes et la distribution d'énergie.

Découvrez GRAWA, une méthode qui améliore l'entraînement distribué pour les modèles de deep learning.

S'attaquer aux problèmes des scores SHAP pour une meilleure explication du modèle.

Apprends comment la conception de l'environnement influence l'apprentissage par renforcement dans les systèmes de distribution d'énergie.

Apprends à créer et à peaufiner des modèles de systèmes dynamiques en utilisant des techniques avancées.

Une nouvelle méthode améliore les explications pour les réseaux de neurones graphiques avec des témoins contrefactuels robustes.

Le cadre TG-ODE améliore l'analyse des systèmes complexes avec des données irrégulières.

Un nouveau cadre pour l'inférence exacte dans les modèles à variables latentes est proposé.

Un aperçu de l'apprentissage par imitation et ses applications dans la formation des agents.

Un aperçu des attaques par porte dérobée ciblées dans les systèmes d'apprentissage fédéré.

Un nouveau cadre pour évaluer la performance des modèles prédictifs face aux incertitudes.