Informatique - Apprentissage automatique

De nouvelles approches améliorent la précision de l'apprentissage machine dans la modélisation scientifique complexe.

La recherche souligne le rôle des signaux non verbaux dans les interactions efficaces en classe.

De nouvelles techniques améliorent l'imagerie médicale grâce à la tomographie par impédance électrique.

Utiliser les récits sur les réseaux sociaux pour repérer des signes de problèmes de santé mentale.

Une nouvelle approche prédit le risque de résistance aux multiples médicaments chez les patients en soins intensifs en utilisant les données des patients.

dlordinal simplifie l'apprentissage profond pour les tâches de classification ordinale.

Cet article examine comment l'apprentissage par renforcement aide à contrôler les vélos sans soutien supplémentaire.

Cet article explore comment les modèles de langage gèrent les termes ambigus et la cohérence de leurs réponses.

Le cadre EverAdapt traite de la reconnaissance des pannes dans des conditions de machine changeantes.

L'attention sparse améliore le suivi des connaissances en se concentrant sur les interactions passées pertinentes.

Cet article parle de la prédiction des nombres de stabilité dans les graphes en utilisant des réseaux de neurones convolutionnels.

DEAPS améliore l'analyse des séries temporelles en se concentrant sur les motifs dynamiques sans comparaisons négatives.

Une nouvelle méthode améliore l'entraînement des modèles dans les réseaux temporels.

Une étude comparant des modèles de machine learning pour évaluer les vulnérabilités dans le code C/C++.

Gymnasium facilite la recherche en apprentissage par renforcement avec des environnements polyvalents et des outils de soutien.

Un nouveau système vise à améliorer la prédiction de la sepsie malgré les défis liés aux données manquantes.

Cet article parle d'améliorer la vitesse d'entraînement des réseaux de neurones en utilisant l'apprentissage par transfert à partir de superréseaux.

Cet article explore les LLM pour prédire les retours boursiers en se basant sur les actualités financières.

Une nouvelle approche pour échantillonner des modèles variés pour de meilleures insights en IA.

Cette recherche améliore les processus gaussiens en utilisant des caractéristiques de Fourier adaptatives pour de meilleures prédictions.

CoCN améliore l'apprentissage de la représentation des graphiques grâce à des techniques de passage de messages innovantes.

MIST propose un outil unique pour la segmentation d'images médicales, améliorant la comparaison et l'évaluation.

Examiner les biais et les défis d'équité dans les modèles de langue.

Examiner des méthodes automatisées pour un meilleur contrôle qualité dans la production de tapis.

Apprends les structures causales et l'impact des variables non mesurables.

Cet article passe en revue une méthode pour améliorer la génération de code HDL en utilisant des modèles de langage.

Une analyse des événements rares et inattendus et leur impact sur la prise de décision.

Des chercheurs utilisent LIMO pour créer des molécules spécialisées pour la médecine.

Une nouvelle approche pour évaluer les agents persona avec des modèles de langage.

ARDT aide les agents IA à relever des défis plus difficiles efficacement.

Examiner comment les réseaux de croyance profonds peuvent apprendre des données et créer des représentations complexes.

Un nouveau système booste la vitesse de l'inférence ML tout en préservant la confidentialité des données.

Techniques pour gérer les hyperparamètres et les poids du modèle pour une meilleure performance.

Cet article passe en revue les faiblesses des modèles multimodaux face à différents types d'attaques.

De nouvelles fonctions de perte visent à améliorer l'estimation du rapport de densité en apprentissage automatique.

Un nouveau jeu de données synthétiques permet une détection précise des têtes et de la modélisation 3D.

Cette étude examine comment les littéraux numériques influencent la prédiction de liens dans les graphes de connaissances.

Évaluer les modèles d'apprentissage automatique pour garantir l'équité entre les différentes populations.

Un nouveau cadre améliore la prédiction des maladies en utilisant des données de santé variées.

Le dataset AsEP et le modèle WALLE améliorent les méthodes de prédiction des anticorps-épitope.