Informatique - Apprentissage automatique

Étudier les transitions de phase quantiques révèle des comportements complexes dans les systèmes à interactions à longue portée.

Un nouveau modèle vise à évaluer équitablement le biais politique dans le reportage d'actualités.

Un cadre pour détecter les anomalies dans les logs en analysant les relations entre les événements.

L'entraînement adversarial renforce la résistance des modèles de machine learning à la manipulation des entrées.

MagiCapture simplifie la création de portraits de haute qualité avec peu d'images.

Une nouvelle méthode améliore l'équité et la précision du modèle sans avoir besoin de beaucoup de données de groupe.

Un nouveau cadre prédit la croissance des fissures de fatigue dans les structures d'ingénierie pour améliorer la sécurité.

Examiner les méthodes d'apprentissage pour un gameplay efficace dans des environnements incertains.

Ce modèle améliore comment les neurones s'adaptent aux changements d'informations sensorielles.

Racing-CVGP améliore l'efficacité de la régression symbolique pour découvrir des équations mathématiques.

Cet article explique comment les CNN apprennent des caractéristiques des images en utilisant AGOP.

Une méthode de régression quantile robuste améliore les prédictions dans les tâches d'imagerie médicale.

Phoneme Hallucinator transforme la conversion vocale avec peu de données pour des sorties plus claires.

COBRA améliore l'analyse de survie grâce à une meilleure sélection de variables et à l'intégration de modèles.

Ce papier présente une vue géométrique des modèles de langage transformer.

Une méthode pour aborder les soucis de vie privée et d'équité dans l'apprentissage automatique.

Une nouvelle méthode améliore l'identification des tissus dans les lames de biopsie en éliminant les artefacts.

Une nouvelle méthode qui utilise des TEE pour protéger les modèles d'apprentissage machine dans l'apprentissage fédéré.

Apprendre des dérives améliore la performance des modèles en apprentissage fédéré avec des données variées.

Utiliser l'apprentissage automatique pour améliorer la pathologie numérique pour un meilleur diagnostic des maladies.

Cet article explore comment les techniques de deep learning améliorent les prévisions des événements météorologiques extrêmes.

Évaluer l'efficacité des algorithmes MARL à travers des méthodes de communication et d'entraînement.

Les techniques quantiques pourraient améliorer l'efficacité et la performance du clustering k-means.

De nouvelles méthodes améliorent la reconstruction de phase à partir du module dans les interactions entre particules.

Cet article traite des problèmes de stabilité et de précision dans les modèles d'apprentissage profond.

Une nouvelle méthode pour optimiser les DNN sur des appareils avec peu de ressources.

Un nouveau modèle améliore les prévisions des interactions médicamenteuses chez les patients qui prennent plusieurs médicaments.

Une nouvelle approche pour améliorer le recours algorithmique au fil du temps et face à la concurrence.

Des chercheurs ont développé Neural Latent Aligner pour mieux interpréter les signaux cérébraux pendant les tâches de parole.

Une nouvelle méthode améliore l'efficacité de l'entraînement des Deep Operator Networks.

De nouvelles méthodes améliorent l'apprentissage des tâches et la rétention dans les systèmes de dialogue.

De nouvelles techniques améliorent l'apprentissage continu dans des contextes non supervisés.

Cet article parle des améliorations des méthodes de pooling pour les transformers dans l'apprentissage supervisé.

Un nouveau cadre améliore l'efficacité et la précision dans la modélisation de commandes réduites.

Une méthode pour décomposer des données complexes en parties plus simples.

Un nouveau cadre intègre la sécurité et la robustesse dans les agents d'apprentissage par renforcement.

Un aperçu de comment l'extraction de relations contextuelles construit des graphes de connaissances.

FedDIP optimise la communication en apprentissage fédéré grâce à l'élagage dynamique et à la régularisation.

Une nouvelle méthode pour un modélisation moléculaire efficace en respectant les symétries physiques.

Utiliser des données textuelles améliore la précision des prévisions de la demande en électricité.