Informatique - Apprentissage automatique

Un aperçu de comment les modèles d'IA comprennent les connaissances essentielles du monde.

Examiner les faiblesses des DNN face aux exemples adversariaux et leurs implications.

Apprends comment l'augmentation de données améliore la performance des modèles d'IA en élargissant la variété des données.

De nouvelles méthodes améliorent le comportement réaliste des vêtements dans les animations.

Une nouvelle méthode améliore l'équité dans les prévisions de cas de COVID-19 entre les groupes raciaux.

De nouvelles méthodes améliorent l'analyse et les prévisions des données de chimie atmosphérique.

Une nouvelle méthode améliore les approximations en statistiques bayésiennes pour l'analyse de données complexes.

Une nouvelle méthode améliore la performance des réseaux de neurones face aux attaques adversariales.

Une nouvelle méthode d'entraînement améliore la sécurité du modèle contre les attaques universelles.

Une méthode innovante combine l'apprentissage profond et des techniques numériques avancées pour résoudre des lois de conservation.

Un nouveau parser améliore la clarté des notes cliniques grâce à des représentations structurées.

Une nouvelle méthode s'attaque à l'oubli et aux changements de données dans les modèles d'apprentissage automatique.

Une nouvelle méthode améliore la précision du suivi alimentaire en utilisant des modèles 3D et des images 2D.

Cette étude examine la précision de la PPG dans l'estimation de la pression artérielle par rapport aux méthodes traditionnelles.

Apprends comment les modèles d'ordre réduit améliorent l'analyse et les prévisions des systèmes complexes.

Un guide pour choisir la disposition en informatique quantique pour une performance optimale.

Présentation d'une nouvelle méthode pour un entraînement efficace des réseaux de neurones structurés.

Un nouveau modèle améliore la gestion des données manquantes dans l'analyse des séries temporelles.

Une nouvelle méthode aide les chatbots à se souvenir des connaissances passées tout en apprenant de nouvelles tâches.

Une nouvelle approche combine des protections de la vie privée avec l'apprentissage par bandit contextuel.

MIMB propose une méthode pour regrouper des données multi-vues malgré les infos manquantes.

Des recherches montrent des opinions publiques variées sur les pratiques de l'économie circulaire.

De nouvelles architectures neuronales améliorent la modélisation des systèmes de particules interactives.

Un cadre qui améliore la performance des DNN dans des environnements à faible énergie.

Combiner l'entraînement par simulation et les retours humains pour améliorer les compétences des robots.

De nouvelles techniques améliorent la fiabilité et la simplicité des modèles de programmation génétique.

Une nouvelle méthode améliore la formation des robots en utilisant des données du monde réel.

De nouvelles techniques améliorent la vérification des réseaux neuronaux profonds pour des applications plus sûres.

Une nouvelle approche améliore la synthèse de jeux de données pour les modèles de langue, augmentant la diversité des résultats.

Utiliser le langage naturel pour améliorer l'apprentissage des robots à partir de simulations pour des tâches dans le monde réel.

Le centrage des récompenses améliore l'efficacité des algorithmes d'apprentissage par renforcement.

Une nouvelle méthode pour créer des designs architecturaux variés et efficaces.

Une nouvelle approche améliore la classification des appels d'offres publics pour un meilleur accès et une meilleure efficacité.

Une nouvelle méthode pour détecter les comportements suspects des véhicules tout en protégeant la vie privée.

ToNNO améliore la vitesse et la précision du marquage d'images médicales 3D.

Adapprox réduit l'utilisation de la mémoire en deep learning tout en gardant la performance.

Apprends comment les projections aléatoires aident à analyser des relations complexes dans de grands ensembles de données.

Examine comment le nombre d'exemples améliore la performance des modèles multimodaux.

Cet article parle de l'importance de l'équité dans les prédictions des machines.

Une nouvelle approche améliore l'apprentissage des caractéristiques dans les réseaux de neurones pour de meilleures performances.