Informatique - Apprentissage automatique

Une nouvelle méthode améliore les prévisions de production éolienne à long terme en utilisant les emplacements des éoliennes et des données climatiques.

VERTECS explore la lumière cosmique ancienne pour révéler l'évolution des étoiles et des galaxies.

Examiner comment les techniques de régularisation influencent la capacité de l'apprentissage automatique à gérer des entrées inconnues.

AIvril améliore la génération de code RTL grâce à une vérification automatique de la syntaxe et une vérification fonctionnelle.

Un nouveau cadre améliore l'analyse des données des réseaux sociaux pour de meilleures insights utilisateurs.

Un aperçu des nouvelles méthodes pour résoudre des défis d'optimisation complexes en apprentissage automatique.

Une nouvelle méthode améliore la façon dont les modèles apprennent à partir d'images et de textes.

Étapes essentielles pour soumettre des articles à la conférence NeurIPS 2024.

LOCO Edit permet des modifications d'images précises sans formation supplémentaire.

De nouvelles limites d'erreur améliorent la fiabilité du GPR dans des domaines sensibles à la sécurité.

Découvre comment les nouvelles méthodes améliorent l'ensemblage de poids en apprentissage machine.

RoLoRA améliore l'apprentissage fédéré avec un ajustement fin robuste et une communication efficace.

Une nouvelle méthode pour améliorer la précision et l'efficacité de la récupération k-NN.

Recherche sur comment apprendre les opérateurs et gérer les erreurs efficacement dans les espaces de fonctions.

Un nouveau modèle fusionne les processus de diffusion et les transformateurs pour une meilleure analyse des séries temporelles.

Une nouvelle approche améliore les prévisions des systèmes dynamiques en intégrant la mémoire.

Une nouvelle méthode améliore la compréhension de l'importance des caractéristiques en apprentissage automatique.

K-Origins améliore l'évaluation des couleurs dans les réseaux de neurones pour une analyse d'image améliorée.

Découvrez comment les L-systèmes stochastiques simulent des motifs de croissance des plantes réalistes.

NoiseAttack modifie plusieurs classes dans des attaques backdoor en utilisant des motifs de bruit subtils.

Une étude révèle comment les modèles de langage oublient des compétences de manière inégale selon les tâches.

Une nouvelle approche pour améliorer la précision du modèle en identifiant les sources de données de mauvaise qualité.

Apprends comment les symétries de groupe peuvent améliorer les modèles de classification en apprentissage automatique.

Un nouveau cadre améliore l'efficacité de la télédétection en utilisant des techniques inspirées du cerveau.

Combiner des images de tissus et des données génétiques pour améliorer les prédictions de survie au cancer.

CRAFT simplifie la génération de jeux de données synthétiques pour différentes tâches avec un minimum d'interaction de l'utilisateur.

Une nouvelle approche pour améliorer la précision de la classification en utilisant la théorie PAC-Bayésienne.

De nouvelles méthodes améliorent la capacité des robots à saisir des objets en utilisant des représentations 3D.

Examiner comment les approches bayésiennes améliorent l'évaluation de la performance structurelle grâce à la quantification de l'incertitude.

Une méthode pour améliorer des modèles personnalisés tout en préservant la vie privée des utilisateurs.

COG améliore le mélange des variables latentes dans les modèles génératifs.

Un modèle de deep learning améliore l'évaluation des tremblements pour la maladie de Parkinson.

Apprends comment la compression de modèle améliore l'efficacité des grands modèles de langage.

Explorer comment les LLM peuvent identifier efficacement des instances de données inhabituelles.

Méthodes pour améliorer la rapidité de prise de décision dans des bandits manchots agités.

Les grands modèles de langage améliorent l'efficacité des évaluations de réponses médicales.

Une nouvelle méthode pour améliorer l'entraînement des modèles de récupération en utilisant des réseaux correcteurs.

Examiner comment la régularisation de l'entropie améliore la prise de décision dans des environnements incertains.

Découvre comment décomposer les tâches aide les robots à s'entraîner efficacement.

L'apprentissage par espace d'état améliore l'analyse des séries temporelles grâce à une meilleure précision et flexibilité.