Informatique - Apprentissage automatique

Cette étude montre comment des facteurs externes peuvent améliorer les prévisions de ventes.

Poseidon utilise l'apprentissage automatique pour prédire efficacement des solutions pour des PDE complexes.

Découvre comment l'antifragilité peut renforcer les systèmes d'apprentissage machine face aux défis.

De nouvelles méthodes améliorent l'efficacité de l'échantillonnage à partir de corps convexes.

Un nouveau modèle pour prédire les liens dans des graphes dynamiques avec des explications claires.

Une nouvelle méthode améliore la détection des tâches en temps réel dans l'apprentissage automatique.

DiveR-CT améliore le red teaming automatisé pour de meilleures évaluations de sécurité.

Une nouvelle approche pour comprendre les fonctions de récompense complexes dans le comportement de l'IA.

Cet article parle des ensembles en ligne d'expansions de bases pour améliorer l'apprentissage automatique.

Un nouvel algorithme améliore l'apprentissage dans des environnements contraints en utilisant l'échantillonnage postérieur.

FedGELA s'attaque aux défis de l'apprentissage fédéré avec des données partiellement disjointes par classe.

Cette méthode améliore l'exactitude du modèle en s'attaquant aux biais dans les phénomènes physiques.

Exploiter l'apprentissage par renforcement pour optimiser la planification des tâches en utilisant les techniques de l'indice de Gittins.

Une nouvelle méthode pour réduire la polarisation tout en préservant l'engagement des utilisateurs.

Une nouvelle méthode pour l'apprentissage fédéré qui s'attaque aux défis de l'apprentissage continu.

Examiner comment les choix d'action influencent les agents RL dans des tâches spatiales.

Une nouvelle approche améliore l'apprentissage des robots à partir de démonstrations passées en utilisant des données contrefactuelles.

Une nouvelle méthode renforce la fiabilité des réseaux de neurones dans des applications critiques.

FedLESAM s'occupe des problèmes de données dans l'apprentissage fédéré pour de meilleures performances des modèles.

Une nouvelle approche pour le débruitage d'images en utilisant des techniques d'apprentissage auto-supervisé.

Un aperçu de comment DNO améliore la génération d'images selon les préférences des utilisateurs.

Les techniques d'apprentissage automatique améliorent l'analyse des données dans les expériences de physique des particules.

Le Dynamic Line Rating optimise la capacité des lignes électriques en utilisant des données météo locales.

Explorer le processus d'apprentissage et les applications des automates finis déterministes.

Cet article parle de la minimisation de la netteté inspirée du domaine pour une meilleure adaptation du modèle.

Cette approche simplifie et améliore la reconstruction des réseaux dans divers domaines.

Présentation d'une méthode innovante pour détecter des anomalies dans des patterns de données complexes.

Un nouvel algorithme améliore la récupération d'images à partir de données limitées.

Un aperçu de l'inférence basée sur la simulation et de ses applications dans la recherche.

Une étude révèle de nouvelles techniques pour l'apprentissage continu dans des environnements complexes.

Une nouvelle méthode améliore l'évaluation des modèles d'apprentissage par renforcement avec des politiques déterministes.

Une nouvelle méthode pour évaluer le biais dans les modèles de langage vise à obtenir des réponses AI plus justes.

Une nouvelle méthode pour l'apprentissage continu dans les systèmes d'IA qui améliore la rétention des connaissances.

De nouvelles méthodes améliorent la qualité et la diversité dans la collecte de données scientifiques.

Explorer comment la dynamique chaotique peut améliorer les réseaux de neurones profonds en intelligence artificielle.

Explorer des méthodes pour sécuriser les infos des patients dans la recherche clinique.

Une nouvelle méthode pour améliorer l'efficacité des modèles de langue et réduire les coûts.

Explorer l'impact de la mémoire à long terme sur les agents conversationnels.

De nouvelles méthodes améliorent les stratégies pour la prise de décision complexe dans les jeux à somme nulle.

Cette étude teste les LLM pour révéler leurs faiblesses en compréhension et en raisonnement.