Informatique - Apprentissage automatique

Cette étude examine comment les attributs d'explication influencent la prise de décision des humains avec l'IA.

Une nouvelle approche améliore la classification des données EEG et ECG.

Nouvelles techniques améliorent la qualité et l'entraînement pour les images 3D.

Introduction de la distance de Wasserstein partielle robuste pour une meilleure comparaison des données.

Cette étude évalue des modèles d'apprentissage profond pour résoudre des équations complexes de manière efficace.

CLIP gère bien le déséquilibre des données dans les tâches visuelles et linguistiques.

Mamba-2 combine des SSM et des Transformers pour améliorer l'efficacité dans les tâches linguistiques.

Ce document propose de nouvelles méthodes pour évaluer la fragmentation de l'information dans l'apprentissage automatique.

Étapes clés pour simplifier ton processus de soumission de document.

Présentation de l'Averaging Dynamique Fédéré pour améliorer la communication dans l'apprentissage profond distribué.

Une nouvelle approche utilisant des réseaux de neurones pour gérer efficacement les espaces de scale gaussiens.

Examiner les contributions et les vulnérabilités des clients dans les systèmes d'apprentissage fédéré.

Améliorer la qualité des échantillons en apprentissage automatique grâce à des méthodes innovantes.

Un aperçu des techniques améliorées pour mesurer le carbone dans les forêts américaines.

Découvrez comment FeNNol améliore les simulations de dynamique moléculaire en utilisant l'apprentissage automatique.

Recherche sur l'optimisation des modèles de deep learning avec des techniques de sparsité et de quantification.

Utiliser la télédétection pour améliorer l'estimation de la biomasse forestière en Chine.

Le flow matching propose une nouvelle façon de générer des échantillons de données de manière efficace.

Examiner l'impact de la qualité du jeu de calibration sur la performance des LLM après quantification.

Une nouvelle méthode améliore la fiabilité des prédictions en s'attaquant à l'incertitude dans l'apprentissage automatique.

Une nouvelle méthode améliore les modèles de langage en apprenant à partir de données en temps réel.

Les agents améliorent les prédictions ensemble tout en respectant la vie privée et les limitations.

Les modèles de langage de débruitage améliorent la correction des erreurs dans les systèmes de reconnaissance vocale en utilisant des données synthétiques.

Une méthode pour l'apprentissage machine collaboratif tout en gardant les données privées.

Une nouvelle méthode améliore la précision de la génération d'images à partir de descriptions textuelles.

Nouvelles méthodes pour la collaboration préservant la vie privée dans l'apprentissage fédéré vertical.

Un aperçu des différents modèles d'IA et de leur efficacité dans le traitement des données.

Cet article présente une méthode pour mieux gérer les données manquantes.

Explorer le contrôle fédéré dans l'apprentissage par renforcement pour que les agents collaborent en toute sécurité.

Une nouvelle méthode améliore l'extraction de relations dans de longs documents.

De nouvelles méthodes en contrôle optimal stochastique pour les espaces infinis montrent du potentiel dans la modélisation générative.

Oublier aide à apprendre chez les humains et les modèles de machines, ce qui améliore l'adaptabilité et la performance.

De nouvelles méthodes améliorent les résultats des modèles de langue tout en respectant les règles de grammaire.

Découvre comment la technologie GPS change l'analyse de performance des équipes.

Une nouvelle méthode met en lumière les disparités dans la difficulté des cours entre les groupes d'étudiants.

Présentation de RobustKD, une méthode pour améliorer la sécurité des modèles contre les attaques par porte dérobée.

La méthode D-FaST améliore le décodage des signaux cognitifs en utilisant la fréquence, l'espace et le temps.

Une nouvelle approche améliore la génération de signaux RF pour une meilleure communication sans fil.

Une nouvelle méthode améliore la détection des pannes en utilisant des données de séries temporelles multivariées.

Utiliser des embeddings vectoriels pour améliorer les outils d'IA dans les soins de santé à faibles ressources.