Informatique - Apprentissage automatique

Une nouvelle théorie dévoile des infos sur l'apprentissage continu et l'oubli dans l'IA.

Les modèles implicites montrent du potentiel pour de meilleures prédictions dans des situations de données complexes.

Une nouvelle méthode améliore la clarté dans les tâches de reconnaissance d'images.

Un ensemble de données solide pour entraîner des systèmes d'IA avancés basés sur le chat.

FuzzTheREST améliore le test flou des API RESTful, trouvant des vulnérabilités de manière efficace.

Une nouvelle approche pour le suivi de la santé des structures utilise des données provenant de structures similaires.

Cette étude examine comment les schémas de discours peuvent aider à identifier le trouble du spectre autistique.

L'apprentissage fédéré améliore le machine learning tout en garantissant la confidentialité des données dans des environnements industriels.

Nouveau jeu de données aide l'IA à améliorer les soins d'urgence et la prise de décision pour les patients.

Les scientifiques utilisent l'apprentissage automatique pour améliorer la conception des anticorps pour les traitements médicaux.

Un cadre pour intégrer les voix des minorités dans les processus d'annotation.

Une étude sur l'amélioration des méthodes TTA pour les variations des données du monde réel.

Une nouvelle approche combine des techniques d’imagerie pour améliorer la détection du glaucome.

Explorer comment les DNN récupèrent des fonctions dans des configurations surparamétrées.

Un nouveau modèle de deep learning montre des promesses pour prédire les résultats chez les patients victimes d'un AVC.

Une nouvelle approche des modèles d'état de l'espace améliore l'efficacité et la performance dans les tâches linguistiques.

Des recherches révèlent des failles dans les méthodes de filigrane pour les textes générés par IA.

Une nouvelle approche combine différentes modalités de détection pour une meilleure intégration des données.

Améliorer l'apprentissage par renforcement avec des estimations de fonction de valeur pour une adaptation plus rapide aux tâches.

Apprends comment l'inversion de caractéristiques et l'entropie maximale aident à récupérer les données d'origine.

Un aperçu de l'apprentissage fédéré et de son rôle dans la protection des données utilisateur.

Une analyse des performances de DQN, PPO et A2C dans BreakOut.

Explorer le rôle des UAV dans l'amélioration de l'apprentissage automatique grâce à une communication améliorée.

Une nouvelle méthode améliore l'apprentissage de nouvelles classes tout en gardant l'ancienne connaissance.

Présentation de NeST pour mieux apprendre de nouvelles classes sans oublier les anciennes.

Une étude sur l’efficacité de différents modèles DLWP dans les prévisions météo.

La recherche vise à améliorer la fiabilité de l'IA et son efficacité énergétique dans diverses applications.

Un aperçu du lissage randomisé comme défense pour les modèles d'apprentissage automatique.

Des modèles plus petits, adaptés à des domaines spécifiques comme la médecine, montrent un grand potentiel.

Présentation de 360VFI pour améliorer la qualité et l'expérience vidéo à 360 degrés.

Examiner le rôle de la robustesse dans l'estimation de distributions inconnues à partir d'échantillons.

Combiner la synthèse vocale et des données réelles améliore efficacement les systèmes de reconnaissance vocale.

Apprends comment le départ anticipé améliore l'efficacité des modèles de traitement du langage naturel.

De nouveaux modèles fournissent des éclaircissements sur les systèmes complexes en se concentrant sur des composants individuels.

HeCiX-KG fusionne les données d'essais cliniques avec des connaissances biologiques pour améliorer le développement de médicaments.

SciQu accélère les prévisions des propriétés des matériaux grâce à l'apprentissage automatique et à l'extraction de données automatisée.

De nouvelles méthodes utilisant des modèles de diffusion améliorent la cybersécurité contre les exemples adverses.

Une nouvelle méthode renforce la sécurité des réseaux intelligents tout en préservant la vie privée des utilisateurs.

AsyCo améliore la précision d'apprentissage avec des étiquettes incomplètes en utilisant une approche à double tâche.

Explorer le rôle des priors tensoriels structurés dans l'amélioration des estimations de données.