Informatique - Apprentissage automatique

RepairBench établit des normes pour comparer les modèles d'IA dans la réparation des bugs logiciels.

A-FedPD ajuste les mises à jour des modèles pour réduire l'instabilité de l'entraînement dans l'apprentissage fédéré.

Une nouvelle méthode pour choisir des modèles statistiques vise la simplicité et une meilleure précision.

Explorer l'impact de l'apprentissage fédéré sur la confidentialité des données médicales et les stratégies de protection.

Nouveau dataset améliore les prévisions pour les événements météorologiques extrêmes.

Un ensemble de données complet pour l'analyse du trafic réseau et la détection d'anomalies.

Cet article parle de comment l'apprentissage compositif booste les performances des modèles dans différentes tâches.

Une nouvelle méthode améliore l'efficacité du modèle tout en réduisant sa taille.

Une nouvelle méthode améliore la précision des prédictions des réseaux de neurones.

Une étude sur l'utilisation d'images pour la classification et la prédiction de trajectoires.

ARLBench simplifie le réglage des hyperparamètres pour l'apprentissage par renforcement avec des outils de benchmark efficaces.

De nouvelles méthodes améliorent la génération de problèmes SAT insatisfaisables pour un meilleur entraînement des machines.

Un projet qui développe des jeux de données de parole et de texte pour des langues avec peu de ressources.

TensorSocket améliore l'efficacité de l'entraînement en deep learning grâce à un chargement de données partagé.

Cottention propose une alternative économe en mémoire aux méthodes d'attention traditionnelles en apprentissage automatique.

PASPO propose une nouvelle approche des défis d'allocation complexes dans différents domaines.

Une nouvelle méthode améliore la vitesse et l'efficacité des recommandations pour de gros catalogues.

Le cadre GLAFF améliore la précision des prévisions en utilisant efficacement les horodatages et en s'attaquant aux anomalies de données.

Examen de l'utilisation de l'énergie des modèles d'IA en apprentissage continu pour la durabilité.

Cet article propose une approche innovante de l'apprentissage non supervisé inspirée de la cognition humaine.

Les villes doivent adapter leurs systèmes de transport pour gérer les inondations de plus en plus fréquentes à cause du changement climatique.

Une nouvelle méthode simplifie la sélection de caractéristiques dans les simulations moléculaires en utilisant des réseaux de neurones graphiques.

Ce guide passe en revue des méthodes pour prédire les prix des actions en Inde en utilisant différents modèles.

Cet article explore comment le machine learning peut optimiser les chatbots de service client.

Le nouvel outil ODiMO améliore la performance des DNN sur le matériel en bord.

Une nouvelle méthode améliore les performances des modèles de deep learning en présence de bruit.

Un aperçu de comment l'information mutuelle façonne les relations de données en apprentissage automatique.

Une nouvelle méthode améliore la confidentialité dans le partage de données pour les prédictions de villes intelligentes.

Une nouvelle approche pour améliorer la reconnaissance d'activité humaine en utilisant des contextes de données variés.

Une nouvelle méthode améliore l'efficacité du réglage des modèles en utilisant des métriques de rapport signal-bruit.

Une nouvelle méthode améliore l'intégration sonore virtuelle dans les environnements AR.

De nouvelles avancées dans les bases de données linguistiques améliorent les études comparatives entre les langues du monde entier.

TAKFL optimise le partage de connaissances dans l'apprentissage fédéré pour des capacités d'appareils variées.

Explore les concepts essentiels de la physique moléculaire et leurs applications pratiques.

Cette nouvelle méthode simplifie la génération d'images dans les modèles d'IA, améliorant l'efficacité et la rapidité.

Une nouvelle méthode améliore l'alignement des données, surtout avec des ensembles de données bruyants.

Méthodes innovantes pour l'apprentissage par renforcement sans connaissance préalable de l'état.

Un nouveau cadre améliore la qualité des ensembles de données vidéo-langue grâce à un affinage itératif.

Un nouveau cadre pour améliorer les prévisions dans des systèmes complexes en utilisant des données passées.

De nouvelles méthodes visent à améliorer l'efficacité des simulations de dynamiques quantiques.