Informatique - Apprentissage automatique

De nouvelles méthodes aident à comprendre comment les modèles réagissent aux changements de données.

Des chercheurs présentent une méthode pour mieux comprendre les réponses aux enquêtes et les perceptions individuelles.

Un aperçu de l'efficacité de l'entraînement dans les CNN et BCNN en utilisant MNIST et CIFAR-10.

Un nouveau modèle améliore la récupération de noms de fonction dans l'analyse de code binaire.

CrossGR améliore les recommandations de produits sur différents marchés en utilisant une technologie de graphes innovante.

Explorer comment l'IA gère les informations manquantes dans l'apprentissage multimodal.

Une étude sur l'amélioration des temps de réponse de la police grâce à des stratégies combinées de patrouille et de dispatch.

Une étude sur les enchères publicitaires collaboratives pour les commerçants et les marques.

De nouveaux ensembles de données synthétiques améliorent l'apprentissage automatique dans la santé tout en protégeant la vie privée des patients.

Présentation de FedHide pour un apprentissage fédéré sécurisé avec préservation de la vie privée.

XMOL optimise plusieurs propriétés moléculaires en même temps, améliorant la clarté et l'efficacité.

Une nouvelle méthode améliore la précision des évaluations de santé des batteries lithium-ion.

Méthodes pour améliorer la sécurité du modèle Falcon 11B pour de meilleurs résultats.

Découvre l'importance et les méthodes pour évaluer la clarté des images.

Explorer des algorithmes efficaces pour l'apprentissage décentralisé tout en préservant la confidentialité des données.

Block-Attention améliore les modèles de langage en accélérant les réponses tout en gardant la précision.

Une nouvelle méthode améliore la détection automatique des problèmes de parole liés à la maladie de Parkinson.

Un aperçu de l'utilisation de l'apprentissage par renforcement pour former des agents en cybersécurité maritime.

De nouvelles méthodes améliorent la détection d'événements optiques rapides et petits avec une efficacité accrue.

FedD2P propose une nouvelle façon pour l'IoT d'entraîner des modèles sans avoir besoin de grosses ressources.

Apprends à connaître les défis et les modèles dans les tâches de question-réponse visuelle.

Le nouveau modèle DyGIS améliore l'apprentissage à partir de graphes dynamiques en utilisant des sous-graphes informatifs.

Une nouvelle méthode améliore les systèmes ASR pour une meilleure communication en classe.

Présentation de p-dLDS : Une nouvelle approche pour comprendre l'activité cérébrale complexe au milieu du bruit.

Un aperçu de comment TTDS améliore les recommandations personnalisées avec des grands modèles de langage.

ETAGE améliore les performances du modèle pendant les tests avec de nouveaux types de données.

Exploiter les données pour des prévisions mieux ficelées dans des processus collaboratifs.

Découvrez de nouvelles méthodes pour améliorer les modèles de langue grâce à un apprentissage équilibré.

Exploration des réseaux de neurones épars et de leur performance avec des données d'entraînement difficiles.

ProcessTBench améliore les capacités des LLM en planification de tâches et en extraction de processus.

Le Chili améliore ses prévisions d'énergie éolienne pour une meilleure gestion du réseau.

Techniques pour aider les machines à apprendre et à s'adapter dans des environnements dynamiques.

Un aperçu de la divergence de Kullback-Leibler à noyau et de ses applications pratiques.

Une nouvelle méthode améliore le test des DNN en combinant la sélection de caractéristiques avec une priorisation basée sur l'incertitude.

Un nouveau cadre améliore l'apprentissage à partir de données structurées et bruyantes en utilisant des principes de diffusion.

Une nouvelle méthode améliore la détection des défauts de produits dans la fabrication en utilisant l'apprentissage profond.

Les cellules amiboïdes utilisent des pseudopodes pour prendre des décisions de mouvement en se basant sur des signaux chimiques.

Une nouvelle approche améliore la vitesse et la précision des prédictions dans plusieurs domaines.

Explorer des techniques de deep learning pour l'analyse de données de séries chronologiques continues.

Une nouvelle méthode améliore le clustering pour les gros datasets en utilisant la Quantification Stochastique.