Informatique - Apprentissage automatique

Utiliser des simulations pour améliorer les processus d'intégration des nouveaux utilisateurs.

Une méthode pour modéliser efficacement des systèmes complexes tout en préservant les propriétés clés.

Utiliser la réalité virtuelle pour mesurer le stress et adapter la thérapie pour gérer l'anxiété.

De nouvelles méthodes automatisent la découverte des interactions dans des systèmes complexes.

Explorer les difficultés d'optimiser des fonctions non lisses non convexes et les limitations des algorithmes locaux.

Des chercheurs ont affronté des défis de recherche de données réelles à NeurIPS 2023.

Une méthode pour améliorer l'efficacité des modèles de langage avec de longs textes.

Une étude qui montre comment les araignées virtuelles influencent les réactions physiques et émotionnelles.

De nouveaux modèles visent à améliorer la précision de la distribution de l'énergie dans les réacteurs nucléaires.

Une nouvelle méthode améliore les connaissances des modèles linguistiques à partir de données limitées.

Combiner des caractéristiques améliore la précision de la classification des sons sous-marins.

La recherche sur les LLM dans les contextes de santé mentale multilingues met en avant des succès et des défis.

L'apprentissage par transfert améliore la classification audio pour la détection des sons sous-marins.

Explorer comment la structure des données impacte la performance de l'apprentissage automatique.

Un nouveau modèle améliore l'analyse des données éoliennes pour de meilleurs projets d'énergie renouvelable.

De nouvelles méthodes améliorent la précision des fonctions d'influence dans les grands modèles.

Une étude révèle des infos sur la prise de décision en cas d'incertitude grâce à l'apprentissage des utilités.

Découvre comment la guidance sans entraînement transforme la génération moléculaire avec des modèles de diffusion discrets.

Examiner la perte de plasticité dans l'apprentissage continu et le rôle de la netteté.

Une nouvelle méthode pour gérer les données avec des valeurs aberrantes de façon efficace.

Un nouveau cadre vise à améliorer la fiabilité et la clarté dans le raisonnement de l'IA.

Apprends comment améliorer l'efficacité des modèles de langage à long contexte.

ASPINN propose une nouvelle solution pour des équations différentielles perturbées de façon singulière.

Des chercheurs améliorent la détection magnétique grâce à l'apprentissage automatique avec des centres NV.

Une nouvelle méthode équilibre la personnalisation et la vie privée dans l'apprentissage fédéré.

Les chercheurs améliorent les techniques de modélisation des particules en utilisant des méthodes d'apprentissage automatique.

Présentation d'un cadre pour une formation sécurisée des modèles d'apprentissage automatique.

Un nouveau cadre améliore la détection des discours haineux et favorise l'équité en ligne.

Techniques pour protéger les données sensibles en apprentissage automatique.

Nouveau système améliore l'assemblage des robots grâce à des techniques de design génératif.

L'IA et le machine learning transforment les industries et la vie de tous les jours.

De nouvelles méthodes améliorent les prédictions de sélectivité des requêtes en utilisant des techniques d'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.