Informatique - Apprentissage automatique

Découvre le clustering hiérarchique par lien moyen et ses applications pratiques.

Nouveau cadre améliore l'exactitude et la fiabilité des prévisions dans des environnements incertains.

Une nouvelle approche pour améliorer la reconstruction de signal en utilisant des réseaux de neurones.

Une nouvelle méthode améliore l'analyse des images d'échographie mammaire en utilisant des techniques d'apprentissage profond.

Nouveau cadre qui fusionne la génération d'images et la compréhension grâce aux modèles de diffusion.

Change ta façon de voir les vidéos avec la techno innovante de changement d'angle de ReCapture.

Le réseau de neurones Chebyshev améliore la précision dans les tâches d'approximation de fonction.

De nouveaux systèmes de mémoire aident les robots à s'adapter aux environnements changeants à la maison et au boulot.

Découvrez comment LoFi améliore la qualité des images en utilisant des infos locales.

MoleVers prédit les propriétés moléculaires avec des données limitées, aidant la recherche en médecine et en matériaux.

Utiliser l'apprentissage automatique pour prévoir la réaction du public aux reprises de chansons.

Des chercheurs ont développé une méthode pour que l'IA puisse se coordonner sans avoir toutes les infos.

Un aperçu de SuffixDecoding et son impact sur l'efficacité des modèles linguistiques.

Cette recherche met en avant des méthodes innovantes pour la confidentialité dans l'apprentissage collaboratif des machines.

Un cadre qui équilibre l'analyse causale et la vie privée des individus.

Les robots apprennent à fusionner les infos sensorielles pour mieux comprendre et réagir.

Un nouveau modèle combine l'homophilie et l'influence sociale pour analyser les réseaux sociaux.

Découvrez comment Safe RL garantit des interactions IA plus intelligentes et plus sûres.

Découvre des stratégies de prise de décision qui minimisent le regret dans les expériences.

Les outils d'IA peuvent aider les docs dans les soins aux patients et la prise de décisions.

Les scientifiques utilisent des méthodes avancées pour créer de meilleurs traitements contre le cancer avec moins d'effets secondaires.

Apprends comment les arbres de Hoeffding doux s'adaptent aux données changeantes tout en restant clairs.

Protéger les modèles de régression profonds contre les menaces cachées est super important pour la sécurité.

Un nouveau cadre améliore les prévisions et les estimations d'incertitude dans l'analyse des données géographiques.

Découvrez comment MORL aide les robots à jongler efficacement avec plusieurs objectifs.

Ce papier parle du manque de représentation de certains groupes dans les données.

Une étude complète comparant les méthodes pour estimer les intervalles de confiance dans les modèles d'apprentissage automatique.

Cet article parle d'un cadre pour améliorer la clarté des images en mouvement.

Un aperçu de la factorisation de matrices et son importance dans l'analyse des données.

SimCLR améliore l'entraînement des modèles en utilisant des données non étiquetées dans les tâches de vision.

Apprends comment les rovers utilisent des capteurs pour explorer des mondes lointains.

Un aperçu de la fragmentation du réseau et de son impact sur la performance des modèles.

Explorer comment l'IA peut apprendre tout en gardant les données des utilisateurs privées.

Explorer comment les concepts statistiques influencent l'intelligence artificielle et les méthodes d'apprentissage automatique.

De nouvelles approches dans l'analyse IRM peuvent aider à prioriser les cas graves de cancer de la prostate.

Les chercheurs s'attaquent aux défis de l'enseignement des voitures autonomes par imitation et apprentissage.

GeogGNN utilise des données géographiques pour améliorer la prédiction et la classification de la cybercriminalité.

pcaGAN propose des solutions innovantes pour améliorer la récupération d'images à partir de données bruyantes.

Une nouvelle méthode permet aux ordinateurs de trouver des lignes dans les images avec moins d'étiquettes.

Étapes simples pour préparer efficacement ton papier pour NeurIPS 2024.